1507w-Methode Risque Macro Eco-1

Rapport d’étude
Méthodes de prise en compte du risque
dans le calcul socio‐économique
Justification des choix méthodologiques

Novembre 2015

Collection « L'essentiel »
Méthodes de prise en compte du risque dans le calcul socio‐économique – rapport d’étude
Rédacteur(s)
Hélène LE MAÎTRE – DTecITM–CSTM‐DEOST
téléphone : 33 (0) 1 60 52 33 02
mél : helene.le‐maitre@developpement‐durable.gouv.fr
Préambule
Ce rapport a pour objectif d’expliquer les choix méthodologiques retenus dans le rapport « Méthodes de prise en
compte du risque dans le calcul socio‐économique » [1].
Les coûts et avantages apportés à la collectivité par un projet de transport dépendent du contexte
macroéconomique, dont les évolutions sont mal connues au moment où les études ex ante sont menées. Cette
incertitude sur les variables macroéconomiques fait peser un risque dit « systémique » sur la valeur du projet pour
la collectivité. Dans le cadre des travaux de la commission présidée par le professeur Emile Quinet sur l’évaluation
socio‐économique des projets [2], l’accent a été mis sur le besoin de mieux prendre en compte ce risque qui
dépend, fondamentalement, de la corrélation entre les bénéfices attendus du projet et la richesse nationale
mesurée par le PIB.
Tous les projets ne sont pas exposés de la même façon au risque systémique. Une approche générique de prise en
compte du risque systémique s’appliquant uniformément à l’ensemble des projets de transport n’est donc pas
pertinente. De fait, le rapport de la commission Quinet a insisté sur le besoin de prendre en compte les spécificités
des projets évalués quant à leurs expositions au risque systémique.
De nombreux tests ont été menés, à partir de méthodes différentes, lors des travaux du groupe Quinet, et par la
suite. Ce rapport vise à documenter l'ensemble des tests déjà réalisés et les conclusions qui peuvent en être tirées
à propos des avantages et inconvénients que posent les différentes méthodes. Il explique les choix retenus dans le
rapport [1] qui explique les méthodes de calcul à mettre en œuvre..
Il est important de souligner que les travaux présentés dans ce document sont de nature technique. Ils n'engagent
pas la position du Ministère sur la valeur du taux d'actualisation ni, plus généralement, sur la méthode de prise en
compte du risque dans les évaluations de projet.
« Les rapports » Cerema-DTecITM – 1 – novembre 2015

Page laissée blanche intentionnellement

Sommaire
1 - Prise en compte du risque macro-économique – cadrage théorique ........................................6
1.1 - Corrélations des variables macroéconomiques : présentation simplifiée ......................................6
1.2 - Intégration des risques systémiques dans le calcul économique ..................................................7
1.3 - Formules de calcul de l’équivalent certain de la VAN-SE, simplifications possibles et hypothèses
sous-jacentes ........................................................................................................................................7
2 - Méthodes de calcul de l’équivalent certain de la VAN-SE .........................................................16
2.1 - Calcul des PIB et avantages probabilisés ...................................................................................17
2.2 - Calcul de l’équivalent certain sur un modèle de trafic simplifié ...................................................18
3 - Application de la méthode des scénarios...................................................................................21
3.1 - Discrétisation de la distribution des taux de croissance du PIB ..................................................22
3.2 - Tests avec 3 et 5 scénarios tendanciels vs. simulations de Monte-Carlo ...................................23
3.3 - Sensibilité des résultats aux scénarios choisis et au coefficient d’aversion au risque ................27
3.4 - Tests sur la périodicité des tirages sur un modèle simplifié à deux périodes et à élasticité trafic / PIB
forfaitaire..............................................................................................................................................30
3.5 - Sensibilité des résultats à l’horizon d’évaluation .........................................................................31
3.6 - Test de la formule complète vs. formule simplifiée par développement limités...........................31
4 - Les méthodes des bêtas...............................................................................................................33
4.1 - Méthodes de calcul du bêta ........................................................................................................33
4.2 - Application pratique .....................................................................................................................33
4.3 - Calcul du bêta par projet par calcul d’élasticité ...........................................................................34
4.4 - Calcul du bêta équivalent déduit de la méthode des scénarios ..................................................35
4.5 - Test de la formule de base vs. formule des bêtas .......................................................................36
5 - Seuil de prise en compte du risque : test de stress macro-économique ................................37
6 - Conclusion .....................................................................................................................................40
Bibliographie.......................................................................................................................................42
Annexe 1 – présentation des projets ................................................................................................43
Projets routiers ....................................................................................................................................43
Projets ferroviaires ...............................................................................................................................43
Annexe 2 - Décision et risque : utilité, aversion pour le risque et prime de risque .....................45

Page laissée blanche intentionnellement


Introduction
Le contexte économique d’un projet de transport est caractérisé par les conditions économiques (coûts, prix,
demande, comportements des modes concurrents), mais aussi naturelles, technologiques, sociales. Tous ces
éléments évoluent, parfois de façon imprévisible. Lors de l’évaluation ex ante de l’opportunité d’un projet de
transport, il est nécessaire de faire des prévisions sur l’évolution de ces différents éléments de contexte, et ces
prévisions sont par construction entachées d’incertitudes. Le risque auquel est exposé le projet est double :
 les aléas affectant le fonctionnement du projet de transport, pendant sa construction ou son exploitation :
aléas naturels, industriels, actes malveillants ;
 les risques économiques : la demande de transports, les coûts, les prix relatifs, la croissance économique,
etc.
Ce rapport concerne uniquement la deuxième catégorie.
Les risques économiques peuvent être distingués en deux groupes :
 les risques non systémiques, qui ne dépendent pas de la croissance macro‐économique. Il s’agit des
risques liés à la mise en œuvre de l’évaluation. Ils peuvent résulter, par exemple, des erreurs de mesure ou
de prévisions (enquêtes Origine‐Destination, estimation trop sommaire du coût du projet, etc.), d’une
modélisation insuffisante de la situation initiale ou de la situation de référence. Ces risques sont
diversifiables du point de vue de la collectivité, c’est‐à‐dire que leur variabilité n’a pas d’impact sur la
richesse des individus pris collectivement. Ils peuvent donc être pris en compte dans le calcul économique
en prenant la valeur moyenne obtenue par des tests de sensibilité ;
 les risques systémiques, qui correspondent aux risques macro‐économiques affectant la richesse de la
collectivité (le PIB). Il s’agit de risques non diversifiables, la collectivité y est exposée ; ils doivent être pris
en compte explicitement. Le PIB et donc les coûts et les avantages du projet sont alors incertains : on a
plusieurs scénarios possibles de PIB, chacun ayant une probabilité d’occurrence.
Pour ces deux types de risque, les coûts et avantages de projets sont des variables aléatoires, que l’on peut
déterminer en utilisant des scénarios auxquels on affecte une probabilité.
Ce rapport part de la méthode de prise en compte du risque systémique par le calcul de l’espérance de l’utilité et
se situe dans le cadre général de prise en compte du risque défini par Von Neumann et Morgenstern. A partir de
cette formulation, différentes simplifications possibles du calcul sont déclinées, avec une présentation des
hypothèses sous‐jacentes et sous l’angle de leur mise en œuvre pratique. Les hypothèses des méthodes sont
évaluées à travers des tests sur des projets fictifs routiers et ferroviaires.
Notations
Dans les formules suivantes du rapport, a est le taux d’actualisation, T est l’année d’actualisation, le symbole E
représente l’espérance mathématique, Xt représente les avantages du projet à l’année t, et Ct représente le PIB à
l’année t.

1 - Prise en compte du risque macro‐économique –
cadrage théorique
1.1 ‐ Corrélations des variables macroéconomiques : présentation
simplifiée
Dans le calcul de la valeur actualisée nette socio‐économique (VAN‐SE) d'un projet de transports, le lien entre PIB
et avantages du projet apparaît à la fois au niveau du calcul des coûts et avantages unitaires du projet, mais surtout
au niveau des trafics, et ce, à plusieurs étapes du calcul, comme le montre le graphique simplifié ci‐dessous.
PIB
Demande de
transport
Modèle de trafic
Coûts et valeurs
tutélaires (dont Trafics affectés
temps et confort)
Avantages

Figure 1 : Liens entre PIB et avantages d'un projet

Le taux de croissance du PIB joue schématiquement à trois niveaux lors du calcul de la VAN‐SE :
 sur la demande en amont du modèle de trafic via une élasticité demande/PIB ;
 sur les valeurs tutélaires (principalement valeur du temps et confort) et les coûts au niveau des fonctions
d’utilité des étapes du modèle de trafic ;
 sur les valeurs tutélaires utilisées dans le calcul socio‐économique.
Les variables conduisant au calcul de la VAN‐SE sont donc liées entre elles de différentes façons aux différentes
étapes du calcul. Ainsi, lors de la modélisation de trafic, l'influence du PIB sur les variations de trafics est fonction
des autres variables des étapes du modèle de trafic, et notamment des caractéristiques des itinéraires, d'où
l'importance d'avoir une approche spécifique à chaque projet.
Afin de prendre en compte la spécificité au risque macro‐économique d’un projet de transport, il s’agit donc de
faire tourner à la fois le modèle de trafic et le calcul socio‐économique associé sous différents scénarios macro‐
économique. Dans les simulations effectuées dans la suite du rapport, seuls des scénarios sur le PIB sont effectués
mais la méthode s’applique à tous risques systémiques.

1.2 ‐ Intégration des risques systémiques dans le calcul

économique
Le décideur fait le choix de faire ou non le projet en fonction de son aversion au risque. Implicitement, il calcule un
« équivalent sans risque » de la valeur actualisée nette pour son projet. L’équivalent certain de la valeur actualisée
nette est la valeur actualisée nette d’un projet absolument pas risqué (sa VAN‐SE ne dépend pas du PIB) qui serait
équivalent au projet risqué du point de vue de la collectivité. Si la collectivité est averse au risque, l’équivalent
certain de la VAN‐SE est inférieur à l’espérance de la VAN‐SE : la collectivité préférera avoir un gain certain
(l’équivalent certain de la VAN‐SE) plutôt que des gains incertains (l’espérance de la VAN‐SE).
Utilité d’un projet affectant le bien‐être en présence de risque
Soit C le niveau de bien‐être sans projet (par exemple la consommation agrégée dans le cas de la collectivité). C’est
une variable aléatoire dont la loi de probabilité est supposée connue; on peut se faire l'idée de C comme
représentant le PIB ou la consommation finale des ménages, ou tout autre indicateur monétarisé illustrant le
"bien‐être" de la collectivité.
Soit X le projet : X représente à la fois les coûts et les avantages escomptés, qui affectent (en plus ou en moins) la
consommation de la collectivité. X est également une variable aléatoire de loi de probabilité connue.
Généralement, les variables aléatoires X et C ne sont pas indépendantes. On suppose que X et C s'expriment dans
une unité (monétaire) connue et qu’ils sont additifs.
Avec cette formalisation, la collectivité, ayant une richesse C et un projet qui rapporte des gains X, va donc
chercher à maximiser E u (C  X )  , s. c. E u (C  X )   E (u (C )) .
Le cadre micro‐économique de Von Neumann Morgenstern (cf. annexe) pour la prise en compte du risque dans un
projet de transports conduit à considérer la valeur du projet comme l'écart entre la séquence actualisée des utilités
collectives avec et sans projet, soit :
VAN‐SE tel que [ U (C0 + VAN‐SE ) ) ‐ U (C0) )] = t { e ‐.t E [ U (Ct+Xt) – U(Ct) ] } (1)

où :
Xt représente les avantages nets du projet à l'année t ;
Ct représente la richesse collective de référence à l'année t ;
δ représente le taux de préférence pure pour le présent ;
U représente la fonction d’utilité collective ;
E(.) est l’espérance.
1.3 ‐ Formules de calcul de l’équivalent certain de la VAN‐SE,

simplifications possibles et hypothèses sous‐jacentes
1.3.1 ‐ Définition de la fonction d’utilité et calcul de l’équivalent certain, formule
complète
On considère pour forme de la fonction d’utilité U (C) = C (1‐) / (1‐). En reprenant la formule (1) avec cette fonction
d’utilité :
  

(C0 + VAN équivalente )1γ  (C0 )1γ =  e δ t E (Ct + X t )1γ  (Ct )1γ
t=1

Cette formule générale s’applique aux mêmes données d’entrée que les formules suivantes, à savoir les couples
annuels probabilisés de PIB et d’avantages du projet.
Les formules présentées dans les parties suivantes sont dérivées de cette formule « à la source » et supposent
des hypothèses sur la valeur des avantages par rapport au PIB. Elles font des hypothèses plus fortes sur la forme
de la distribution des taux de croissance du PIB et sur la forme des liens entre avantages du projet et PIB pour la
dernière formule (dite formule du bêta).

Tableau 1 : Présentation synthétiques des méthodes de prise en compte du risque
Méthode Formule Hypothèses et méthode

d’approximation
  

Méthode au
(C 0 + VAN  SE)1 γ  (C 0 )1 γ =  e δ t E (C t + X t )1 γ  (C t )1 γ
numérateur, t=1
formule « à la
source »
Développements limités sur

Méthode au  X  VAN‐SE << C0 et Xt << Ct
numérateur, VAN  SE = 
t=1
e ( δ  ) t E   t t
e


formule approchée
Méthode au  
 cov C t ; X t    VAN‐SE << C 0, Xt << Ct et en
VAN  SE   
1
.u '  E ( C ) .
 E ( X )    
E (C t )   u’(C)
numérateur,
t  0  (1   )
t t t
formule approchée 
(rapport Gollier)
Elasticité déterministe β
Méthode du bêta      C  1  2 C2  C2  't  entre les avantages du projet
(au dénominateur) VAN  SE  
t t0 
e 
 2 
X t  et le PIB, mouvements
 
 browniens géométriques du
taux de croissance du PIB
1.3.2 ‐ Calcul de l’équivalent certain : formule approchée par développements limités
et effets sur l’actualisation
En reprenant les notations précédentes :
  

(C 0 + VAN équivalente )1 γ  (C 0 )1 γ =  e δ t E (C t + X t )1 γ  (C t )1 γ ,
t=1
soit :
 VAN équivalente 1γ     1 γ


1 γ   Xt 
C
1 γ
1    1 =  e E Ct 1 
δ t
   1
0
 C0   t=1    Ct  
  

De façon approchée, en considérant VAN‐SE << C0 et Xt << Ct avec :
γ : aversion pour le risque de la collectivité ;
μ : taux de croissance moyen sur la longue durée du PIB ;


alors :
VAN équivalente 
 1γ X 
C0
1γ
1    =  e δ t E Ct 1    t 
C0 t=1  Ct 
Pour chaque scénario i de PIB, le niveau de PIB à l’année t est : C i t  C0 e (   i ) t , avec ε l’écart au taux de
croissance moyen tel que ε + μ = taux de croissance annuel du PIB.
On obtient alors :

 X 
VAN équivalente,approchée =  e ( δ  ) t E   t t  .
t=1 e 
Cette formule montre que l’on actualise les avantages du projet avec un taux « tendanciel » : δ+ γ μ ; puis avec un
taux d’actualisation spécifique au scénario considéré : ε γ. La validité de ces développements limités est testée
dans la suite de ce rapport sur plusieurs projets.
1.3.3 ‐ Calcul de l’équivalent certain: formule approchée par développements limités
et prime de risque
La formulation de l’équivalent certain de la VAN‐SE présentée dans cette partie permet de calculer directement la
prime de risque du projet (différence entre la VAN‐SE du projet sans prise en compte du risque et l’équivalent
certain du projet).
Si X est petit devant C (i.e. si le projet est marginal par rapport au PIB, ce qui est généralement le cas), la
transposition du cadre ci‐dessus à la décision (par un décideur public dénommé ci‐après "la collectivité") d'un
projet peut se formuler de la façon suivante :
E u (C  X )   E u (C )  u ' (C ). X 
soit, au premier ordre :
E u (C  X )   E (u (C ))  E u ' (C ) .E ( X )  covu ' (C ); X 
Prise en compte de la temporalité des flux
La valeur d'un projet, pour un agent (ou la collectivité) dont la fonction d’utilité est U, s’exprime comme la valeur
actualisée de l’espérance intertemporelle de l’utilité, espérance calculée sur l’espace de probabilités des
événements de chaque période t.
En notant X1, …Xt, … XT les flux liés au projet pour chaque année t et C1, …Ct, … CT la richesse de la collectivité à chaque
année t, δ le taux de préférence pure pour le présent, on obtient :
E[u Ct  X t ]  1


.E (u (Ct ))  E u ' (Ct ) .E ( X t )  covu ' (Ct ); X t 

 (1   ) t
=  
t  0  (1   )
t
t 0 


Un projet crée de la valeur pour la collectivité si E u (C  X )   E u (C )  , soit :

 1 
  (1   ) .E u' (C ) .E ( X )  covu' (C ); X   0
t t t t t
t 0  
NB : dans les formules d’actualisation de ce rapport, on emploie, selon les cas et en fonction des facilités de calcul,
t
des facteurs d’actualisation exprimés soit sous la forme : (1 )t ; soit sous la forme : e
On peut donner une formulation analytique simplifiée de l’espérance de l’utilité ci‐dessus, avec certaines
hypothèses sur la forme de cette fonction d’utilité.
On peut appliquer à la formule précédente un développement au second ordre :
u ' (Ct )  u ' E (Ct )   Ct  E (Ct ).u ' ' E (Ct )  ,
et on obtient :
 1

  (1   ) .E u ' E (C )   C
t t t  E (C t ) .u" E (C t ) .E ( X t )   cov u ' E (C t )   C t  E (C t ) .u" E (C t ) ; X t 
t 0  

 1 
  .u ' E (C t ) .E ( X t )   u" E (C t ) cov C t ; X t 
t  0  (1   )
t

En introduisant l’aversion au risque de la collectivité:
 E (C ).u" E (Ct ) 
 ,
u ' E (Ct ) 
et en supposant qu’elle est constante, on obtient l’équivalent certain de la VAN‐SE :
   covC t ; X t  
.u ' E (Ct ) . E ( X t )  
1
  (1   ) t
E (C t ) 

t 0  
En pratique, ceci revient à corriger le calcul de VAN‐SE sans risque d'un terme égal à la valeur actualisée du terme
suivant :
cov C t ; X t 


E ( X t ). E (C t ) ;
où Xt sont les avantages du projet ; Ct est le PIB, et  est l'aversion collective pour le risque.

Soit, avec a le taux d’actualisation sans risque au sens du rapport Lebègue :

1 cov C t ; X t 
VAN équivalent e  E (VAN )    (1  a)
t 0
t
E (C t )
Quantifie la corrélation
entre les avantages Xt du
projet à l’année t et la
richesse Ct de la collectivité
Aversion pour à l’année t
le risque de la
collectivité

Espérance de le coût pour la collectivité du
la VAN caractère incertain du gain
apporté par le projet

Si la collectivité est averse au risque, l’équivalent certain de la VAN est inférieur à l’espérance de la VAN : la
collectivité préférera avoir un gain certain (l’équivalent certain de la VAN) plutôt que des gains incertains
(l’espérance de la VAN). La différence entre l’équivalent certain de la VAN et l’espérance de la VAN est ce que la
collectivité est prête à payer pour éviter le risque. Cette grandeur est définie comme la prime de risque comme
définie dans la formule ci‐dessus.
Cette prime de risque est le produit de l’aversion pour le risque de la collectivité, et d’une grandeur actualisée
proportionnelle à la corrélation des avantages Xt du projet à l’année t et de la richesse Ct de la collectivité à l’année
t, corrélation quantifiée par la covariance dans la formule ci‐dessus.
1.3.4 ‐ Calcul de l’équivalent certain par la méthode des bêtas : formule approchée et
hypothèses de comportement du PIB
Cette partie développe d’abord une formulation analytique très sommaire de la VAN‐SE, où le lien entre le bilan du
projet et le PIB se présente de façon intuitive par un lien (appelé ci‐après « élasticité ») entre leurs valeurs
moyennes et leurs variances respectives. Cette formulation sommaire permet de réaliser des calculs simples (il
suffit de calculer un taux d’actualisation adapté (dit « risqué ») et de l’appliquer à la séquence des avantages en
scénario tendanciel), mais est tributaire de la connaissance de ces élasticités.
Cette partie développe une formulation analytique faisant une hypothèse sur la forme de la distribution de
probabilité du PIB (hypothèse de mouvements browniens géométriques). Elle montre ainsi que, si le bilan du projet
est lié au PIB à travers une élasticité constante et si le flux de richesse collective suit un mouvement brownien
géométrique, alors les paramètres à considérer pour calculer le taux « équivalent » se réduisent à cette élasticité et
au taux de croissance et à la volatilité du PIB. La part du risque dans le taux « équivalent » peut alors être identifiée
en fonction de la volatilité du PIB et de l'élasticité du projet.
Formulation analytique sommaire de l’espérance du bilan
On peut reformuler le calcul de l’espérance du bilan proposée en partie 1 et déterminer un taux d’actualisation
« équivalent » (tenant compte du risque) α’ à l’aide de la formule suivante :
 

VAN  SE équivalent certain   e  't X t
t t0
dans laquelle t0 désigne la date de mise en service du projet éventuellement différente de la date d'actualisation
t=0. Comme dans les parties précédentes, la fonction d'utilité est choisie telle que u'(Ct) = (Ct/C0)‐γ avec γ coefficient

d'aversion relative pour le risque. On fait ici une hypothèse simplificatrice dans laquelle l'espérance du PIB est
supposée croître avec un taux annuel µ, soit :
E C t   C 0 e t
On suppose en outre que l’espérance des effets du projet peut s’exprimer comme une valeur croissante au cours
du temps, liée à l’espérance de la richesse de la façon suivante :

 E C t  
EX t   X 0e t
 X 0  
C
 0 
Le terme X0 correspond à une constante de calage et non à la valeur de Xt en t=0 étant entendu que Xt n'est défini
qu'à partir de t=t0. La deuxième égalité présente le paramètre ε qui est l’élasticité de l’espérance de Xt à
l’espérance du PIB Ct. Cette élasticité peut être différente de l'élasticité entre les variables aléatoires sous‐jacentes
Xt et Ct.
Hypothèse de mouvement brownien géométrique du PIB
On suppose ici que l'évolution du PIB est régie par un mouvement brownien géométrique, ce qui implique que la
distribution de Ct est :
C
C t  C 0 e Rt avec RtC ~ N (  C t ,  C t )
i.e. RtC est une variable aléatoire gaussienne de moyenne µCt et d'écart‐type  C t avec t exprimé en années1.
Cette évolution correspond exactement à une succession d'applications de taux de croissance annuels
indépendants les uns des autres et suivant tous une loi normale de moyenne µC et d'écart‐type σC.
Les calculs de l'espérance et de la variance du PIB donnent alors :
 
 1 2
 C   C  t
et var(C t )  E (C t ) e
 C2 t
E (C t )  C 0 e  
 1
2 2
Connaissant la distribution de Ct ainsi que l'expression de u' i.e. u'(Ct)=(Ct/C0)‐γ, il est possible de calculer E(u'(Ct)) :
 1 
    C   C2  t
E u ' (C t )   C 0 e  2 

Evolutions des avantages du projet et du PIB selon des mouvements browniens
géométriques corrélés
Pour aller plus loin dans la détermination analytique du taux équivalent à partir de paramètres explicites, on
s'intéresse ici à des évolutions particulières des flux du projet Xt, en envisageant une hypothèse d'évolution de
ceux‐ci et du PIB selon des mouvements browniens géométriques corrélés. Cette hypothèse a notamment été
utilisée dans l'annexe 4 du rapport Gollier de juin 2011 [11].
1
Il faut bien noter ici qu'il n'est pas possible de faire sortir t de la variable RtC comme cela est pourtant fait dans l'annexe 4 du
rapport Gollier de juin 2011. En effet, mettre t en facteur d'une variable gaussienne indépendante du temps dans l'exponentielle
conduirait à une variance de ln(Ct) en t2, ce qui ne correspond pas à un mouvement brownien géométrique pour lequel cette
variance doit être linéaire en t.

Encadré : écriture de l’espérance de l’utilité dans le cas de mouvements géométriques browniens du PIB et des
avantages du projet
Un mouvement brownien géométrique est un processus stochastique, une variable aléatoire qui évolue dans le
temps selon une constante et des chocs aléatoires indépendants. Si l’on prend l’exemple de la richesse collective
Ct, sa valeur à l’instant t est :

Ct  C 0 exp  C t   C BtC 
où BtC est un pré‐mouvement brownien, c’est‐à‐dire que les différences BtC  BtC1 sont indépendantes et
identiquement distribuées selon une loi normale centrée réduite.
Par conséquent, la distribution jointe à l’instant t des flux Xt et Ct est :
C X
C t  C 0 e Rt et X t  X 0 e Rt
où (RtC, RtX) forme un vecteur gaussien de moyenne et de matrice de covariance données par 2
 RtC        C2  C  X  
 X  ~ N   C t ;  t 
R     X      X2  
 t    C X  
Une telle écriture considérant simultanément Ct et Xt comme des variables aléatoires présente l'avantage de tenir
compte à la fois des aléas sur l'évolution du PIB (extérieurs au projet) et des aléas sur l'évolution des avantages du
projet qui traduisent non seulement la dépendance de ces derniers au PIB mais aussi des erreurs commises dans la
récupération des données et la chaîne de modélisation. En écrivant Xt/X0=(Ct/C0)RtX/RtC , le rapport RtX/RtC apparaît
comme une élasticité aléatoire. Il peut également être utile de calculer la loi de probabilité conditionnelle de Xt ou
du taux RtX sachant la valeur du PIB ou du taux RtC. Il s'agit donc de calculer la loi d'une composante d'un couple
gaussien connaissant l'autre composante. Cette loi est toujours une loi normale donnée ici par :
  X ~  
RtX ~ N    X  ( C   C ) t ; 1   2  X t 
RtC  ~C t
 C  
La corrélation des avantages du projet au PIB réside dans le paramètre ρ. Cette écriture englobe le cas particulier
d'une élasticité déterministe et constante ζ entre Xt et Ct correspondant à RtX=ζ RtC et impliquant µX= ζ µC, σX=| ζ |
σC, et ρ =1.
A partir des hypothèses de mouvement brownien, tous les termes de la VAN‐SE peuvent être calculés et les
paramètres introduits plus haut µ, σ, η et ε peuvent être identifiés. Les paramètres µ et σ ont déjà été identifiés
avec les seules hypothèses sur le PIB. Il vient maintenant :
 1 2 
  X   X t
E ( X t )  X 0e  2 

2
Pour les mêmes raisons que dans la note (1), t doit apparaître comme facteur dans la moyenne et la matrice de covariance et
non comme facteur des taux. Si t apparaissait en facteur des taux dans les exponentielles, on aurait une matrice de covariance
2
en t contredisant ainsi l'hypothèse de mouvements browniens géométriques.

Le cas d'une élasticité déterministe entre Xt et Ct donne une relation non linéaire entre l'élasticité ζ et l'élasticité
1
 C   2 C2
entre espérances ε qui fait aussi intervenir les caractéristiques d'évolution du PIB :   2 β est défini
1
 C   C2
2
comme dans le rapport Gollier de juin 2011 par    X  cov(ln X t , ln C t )
C var(ln C t )
On note que dans le cas d'une élasticité constante déterministe, β est précisément égal à cette élasticité ζ. Sa
valeur dépend du projet.
Utilisation des hypothèses de mouvement brownien dans les formulations analytiques
simplifiées de l’espérance du bilan
Dans le cas d'une hypothèse d'élasticité constante, on est donc en mesure de construire un modèle d’actualisation
basé sur une hypothèse d'évolution des avantages du projet et du PIB selon des mouvements browniens
géométriques corrélés. La formule ci‐dessous correspond à une élasticité constante β.
 

VAN  SE équivalent certain   e  't E ( X t ) avec  '    C   2 C2   C2
1

t t 0 2
Soit, en reprenant les notations du rapport Quinet,
E( X t )
VAN   1  r   
t
t T

1
Avec  '  r   , r    C   2 C2 et    C2
2
et :
 δ : préférence pure pour le présent ;
 µC : moyenne de la distribution du taux de croissance annuel du PIB ;
 σC : écart type de la distribution du taux de croissance annuel du PIB ;
 γ : coefficient d’aversion au risque de la collectivité.

Ce taux équivalent α’ se décompose en quatre termes dont les trois premiers ont été commentés dans l'article
« Comment intégrer le risque dans le calcul socio‐économique » [Gollier 2005] :
 δ: préférence pure pour le présent ;
 γµC : effet richesse (la décroissance de l'utilité marginale et l'augmentation supposée de la richesse µC>0
tendent à faire privilégier un gain immédiat par rapport à un gain à venir) ;
 ‐1/2γ2σC2 : effet précaution (la convexité de l'utilité marginale est telle que l'augmentation de l'incertitude
sur la consommation future accroît la valeur d'un gain futur) ;
 γ β σC2 : effet du projet (qui augmente le taux d'actualisation pour un projet pro‐cyclique i.e. β >0 et qui le
diminue dans le cas contraire).

La formule obtenue à partir des hypothèses spécifiques d'évolution des flux montre que l'effet du risque attaché
au projet est a priori du même ordre de grandeur que l'effet précaution, à savoir proportionnel à σC2. Dans
l'hypothèse où l'écart‐type σC du taux de croissance du PIB est du même ordre de grandeur que sa moyenne, il
apparaît immédiatement que l'effet précaution et l'effet du risque sont d'un ordre de grandeur inférieur aux
termes classiques de préférence pure pour le présent et d'effet richesse.
De plus, si l'élasticité β vaut γ /2 alors ces deux termes se compensent. Plus généralement, si β > γ /2 alors
l'incertitude sur le PIB tend à augmenter légèrement le taux équivalent tandis que si β < γ /2 alors l'incertitude
sur le PIB tend à diminuer légèrement le taux équivalent.
Effet richesse et effet précaution
Comme l’utilité marginale est convexe avec la consommation, une augmentation de l’incertitude sur la
consommation future augmente la valeur d’un euro supplémentaire en t, telle que mesurée par l’espérance de
l’utilité marginale. L’incertitude augmente donc la valeur actualisée nette des avantages lointains du projet, ou,
autrement dit, réduit le taux d’actualisation. Exactement comme les ménages augmentent leur épargne lorsque
leurs revenus futurs deviennent plus aléatoires, au niveau collectif, il est efficace d’accroître les investissements en
situation d’incertitude macroéconomique. C’est ce qu’on appelle l’effet précaution. A contrario, l’anticipation de la
richesse future (hypothèses de croissance du PIB) a tendance à diminuer les avantages nets lointains du projet, soit
à augmenter le taux d’actualisation : puisque l’on sait que l’avenir sera plus riche que le présent, il est plus
intéressant de consommer dès maintenant plutôt que d’épargner.

2 - Méthodes de calcul de l’équivalent certain de la
VAN–SE
Afin de calculer l’équivalent certain de la VAN‐SE, il est nécessaire de connaitre la distribution des PIB annuels Ct et
la distribution des avantages annuels probabilisés Xt associés.
En pratique, la distribution des avantages du projet en fonction de la distribution des taux de croissance du PIB est
compliquée à obtenir car, comme montré sur le graphique ci‐dessous3, la relation entre avantages et PIB est
complexe et passe par le modèle de trafic et le calcul des avantages annuels en fonction du trafic.
Valeurs du temps VAN-SE
Coût de circulation
(carburant, péage, coûts fixes
Surplus des
PIB usagers
(+ autres Spécificités économiques Caractéristiques des itinéraires,
variables et territoriales configuration du réseau – dont congestion
macro,
ex : prix de Coûts de
l’énergie) Variations de trafic entre le construction,
Demande Affectation scénario de référence et le d'entretien et
scénario de projet d'exploitation
Gains de
Valeurs tutélaires hors
pollution,
temps
GES, sécurité

Figure 2 : Liens entre PIB et avantages d'un projet
Différentes approches permettent d’estimer la distribution des avantages d’un projet en fonction de la distribution
des taux de croissance du PIB. Elles sont présentées dans les paragraphes suivants et synthétisées dans le tableau
suivant.

Tableau 2 : présentation des méthodes de calcul des avantages probabilisés
Méthode de calcul de la Principe Commentaires

distribution des avantages
annuels en fonction du PIB
Monte‐Carlo sur le modèle de Appliquer des simulations de Monte‐ Temps de calcul (grand nombre de

trafic Carlo aux variables clés du modèle de tirages du PIB)
trafic et du calcul socio‐économique
Monte‐Carlo sur un modèle Raccourcir le temps de calcul en Perte partielle de la précision du lien

de trafic simplifié simplifiant le modèle de trafic entre avantages du projet et PIB.
3
Ce graphique est pertinent pour l’analyse des projets routiers interurbains ; l’analyse d’autres projets, pour lesquels on voudrait
prendre en compte les dimensions multimodales et/ou temporelles, est encore plus complexe. Le résultat reste le même : les
avantages d’un projet dépendent fortement du contexte macroéconomique, et de façon non triviale.

Méthode de calcul de la Principe Commentaires

Monte‐Carlo sur la base de Diminuer le nombre de tirages avec un Temps de calcul fonction du nombre de

scénarios nombre limité de couples (avantage, tirages et affinement « artificiel » du
PIB) par an et en déduire une relation calcul
entre PIB et avantages pour le projet
puis faire des tirages de Monte‐Carlo
sur cette relation
Méthode des scénarios Diminuer le nombre de tirages avec un Connaissance des VAN‐SE par scénario

nombre limité de couples (avantage, (lisibilité des résultats) et nombre de
PIB) par an tirages limité (3 ou 5). Pas de tirages du
PIB tous les ans.
Méthode des bêtas Pas de calcul explicite de la distribution Perte de l’analyse du risque spécifique

des avantages du projet face aux risques macro‐
économiques par la simplification à
L’élasticité des avantages au PIB est l’extrême du lien entre avantages
résumée par une valeur, dont on annuels et PIB.
suppose qu’elle est la même pour des
projets « de même type ».
2.1 - Calcul des PIB et avantages probabilisés

Le PIB, ainsi que d’autres variables d’entrée du calcul socio‐économique, suit un processus stochastique, et la VAN‐
SE en dépend. La VAN‐SE peut être estimée par des simulations de Monte Carlo. Plus précisément, il est possible
de déterminer la distribution de la VAN‐SE dite actualisée sans risque, c’est‐à‐dire conditionnelle à une réalisation
de la chronique de PIB ; puis, à partir de cette distribution, de calculer l’équivalent certain de la VAN‐SE du projet.
La méthode est schématisée ci‐dessous :

Choix des variables Paramétrage des distributions de probabilité
aléatoires (ex : PIB) et des corrélations
Génération de scénarios aléatoires
Utilisation du modèle de trafic pour chaque scénario
et calcul des avantages annuels
Distribution de probabilité des avantages annuels
Calcul de l’équivalent certain de la VAN‐SE à partir des distributions du PIB et des
avantages annuels et de la distribution de la VAN‐SE
Figure 3 : Etapes de la méthode de Monte-Carlo
Cependant, cette méthode est très couteuse en temps de calcul et demande de connaitre les lois de probabilité
des variables que l’on souhaite probabiliser et leurs corrélations.
La loi de distribution des avantages du projet peut être estimée de façon simplifiée :
 en raccourcissant le temps de calcul par tirage :
– soit en simplifiant le modèle de trafic, au prix d’une perte de précision ;
– soit en estimant une élasticité des avantages au PIB, calculée pour le projet à partir d’un nombre
limité de couples (avantage, PIB) pour des dates données ;
 en limitant fortement le nombre de tirages, donc en simplifiant le processus stochastique suivi par le PIB
par le biais de l’utilisation de scénarios ;
 en utilisant une méthode approximée, fondée sur des coefficients dits « beta », supposés valides pour des
groupes de projets homogènes. Ceci permet de s’affranchir du besoin de calculer explicitement les
avantages annuels en fonction du PIB mais si la typologie de projets n’est pas adéquate, la perte de
précision peut être énorme.
2.2 - Calcul de l’équivalent certain sur un modèle de trafic simplifié

Le temps de calcul pour une simulation de trafic standard peut varier entre quelques dizaines de minutes et
plusieurs heures ou plus, sur des machines normales. Cela ne permet pas l’application en pratique de simulations
de Monte‐Carlo, ou plusieurs centaines de tirages sont en principe nécessaires. La première simplification possible
pour calculer la distribution de la VAN‐SE consiste à diminuer le temps de calcul par tirage, en utilisant des modèles
de trafic simplifiés, et donc plus rapides.

2.2.1 ‐ Première méthode: modèle simplifié et simulations de Monte‐Carlo
Modèle de trafic avec le réseau
complet
Choix des variables clés (PIB par
Modèle de trafic simplifié
exemple)
Paramétrage des distributions de Génération de scénarios
probabilité et des corrélations aléatoires
Distribution de probabilité
des avantages annuels
Calcul de l’équivalent certain de la VAN‐SE à partir des
distributions du PIB et des avantages annuels

Figure 4 : Etapes de la méthode de Monte-Carlo avec un modèle simplifié

Dans cette première méthode, il s’agit de créer un modèle simplifié à partir d’élasticités estimées sur le modèles de
trafic complet, de moindre précision qu’un modèle de qualité mais beaucoup plus rapide en temps de calcul (ex :
un modèle sur tableur). Bien qu’elles ne permettent pas de mesurer efficacement le risque systémique, les
simulations de Monte Carlo sur des modèles de trafic simplifiés restent cependant utiles pour la prise en compte du
risque financier.

2.2.2 ‐ Deuxième méthode : simulations de Monte Carlo sur des grilles de sorties
exemple)
Définition de combinaisons de Utilisation du modèle de trafic avec
variables clés le réseau complet
Définition de lois de distribution Avantages annuels en fonction des
pour les variables clés variables clés
Calcul d’une fonction donnant les avantages du
Génération de scénarios projet en fonction des variables clés, à partir des
aléatoires sur les variables avantages en fonction des variables calculées
clés préalablement grâce au modèle de trafic complet
Calcul de l’équivalent certain de la VAN‐SE à partir des
distributions du PIB et des avantages annuels

Figure 5 : Etapes de la méthode de Monte-Carlo à partir de grilles de sorties des modèles de trafic

Une deuxième méthode consiste à essayer de reproduire la relation entre PIB et avantages à partir d’une grille de
sorties du modèle de trafic. L’idée consiste à reproduire la relation entre PIB et avantages à partir d’un nombre
limité de tirages puis de lancer des simulations de Monte‐Carlo sur cette base. Il s’agit en quelque sorte d’un
modèle de trafic simplifié à l’extrême, composé d’autant d’élasticités avantages/PIB que l’on a de tirages du modèle
initial.
A cause du réseau évolutif, du modèle de trafic lui‐même et des valeurs tutélaires qui ne sont pas constantes en
euros constants, la relation avantages/PIB dépend de t et ne peut pas se résumer à une simple élasticité. Par
conséquent, cette méthode reste couteuse en temps, car il est nécessaire de faire un nombre de sorties du modèle
de trafic suffisamment important pour pouvoir interpoler la relation avantages/PIB, à toutes les années
d’affectation. Finalement, cette méthode est au moins aussi coûteuse que la méthode des scénarios de PIB, et plus
complexe.
2.2.3 ‐ Troisième méthode : utilisation de scénarios probabilisés
La méthode dite « des scénarios » consiste à utiliser directement une distribution discrète des chroniques de PIB
plutôt qu’en partant d’une distribution continue sous‐jacente à des simulations de Monte‐Carlo. Plus précisément,
cette méthode consiste à approximer le processus stochastique PIB par un processus stochastique d’une grande
simplicité, le support de sa distribution étant limité à quelques éléments. Par analogie avec les tests de sensibilité,
ces points sont appelés « scénarios ». A chaque scénario est associée une probabilité.

Les avantages sont calculés à partir de sorties du modèle de trafic que l’on fait tourner sous chacun des scénarios
de PIB. Cette méthode permet de ne pas perdre la spécificité de la relation entre avantages au PIB du projet et de
calculer facilement l’équivalent certain de la VAN‐SE.

exemple)
Définition de scénarios Utilisation du modèle de trafic

probabilisés de variables clés avec le réseau complet
(par exemple 3 ou 5 scénarios)
Avantages annuels probabilisés

en fonction des variables clés
Calcul de l’équivalent certain de la VAN-SE à partir

du PIB et des avantages annuels probabilisés

Figure 6 : Etapes de la méthode de prise en compte du risque par des scénarios probabilisés

Cette approche permet de calculer un équivalent certain à partir d’un nombre limité de scénarios, tout en
conservant la précision d’un modèle de trafic complet. Cette méthode conserve la spécificité du projet par rapport
aux variations de PIB. Ceci dit, l’approximation du processus stochastique PIB est très forte. La partie suivante teste
la solidité de cette approche et tente d’estimer le nombre de scénarios nécessaires pour calculer l’équivalent
certain de la VAN‐SE avec une précision suffisante.
3 - Application de la méthode des scénarios

Cette partie détaille la méthode des scénarios et teste diverses configurations pour sa mise en œuvre :
 tests sur le nombre de scénarios à utiliser (simulations de Monte Carlo, 3 scénarios ou 5 scénarios) ;
 sensibilité des résultats aux scénarios choisis, calibrage des scénarios ;
 tests sur la périodicité des tirages sur un modèle simplifié à deux périodes et à élasticité trafic / PIB
forfaitaire ;
 sensibilité des résultats à l’horizon d’évaluation ;
 test de la validité des développements limités dans la formule simplifiée de calcul au numérateur.


3.1 - Discrétisation de la distribution des taux de croissance du PIB

La méthode dite « des scénarios » consiste à calculer l’équivalent certain de la VAN‐SE à partir d’une distribution
discrète du PIB. Les avantages sont calculés à partir de sorties du modèle de trafic que l’on fait tourner sous chacun
des scénarios de PIB. Cette méthode permet de ne pas perdre la spécificité de la relation entre avantages au PIB du
projet et de calculer facilement l’équivalent certain de la VAN‐SE.
En reprenant la formule générale :
  

(C0 + VAN équivalente )1γ  (C0 )1γ =  e δ t E (Ct + X t )1γ  (Ct )1γ
t=1
avec :
Cti le PIB du scénario i à l’année t ;
Xti les avantages de l'année t dans le scénario i ;
E(.) l’espérance ;
δ le taux de préférence pure pour le présent (=1%) ;
N le nombre de scénarios macro‐économiques ;
γ l’aversion pour le risque de la collectivité (=2) ;
pi probabilité du scénario i ;
t0 : année précédant la mise en service ;
T : année d’actualisation ;
H l’horizon d’évaluation
la formule devient :
 δ t N 
 

(C0 + VAN équivalente )  (C0 ) =  e  pi (C i t + X i t )1  (C i t )-1  ,
1 1
t=1  i 1 
ce qui permet d’en déduire explicitement la VAN‐SE équivalente :
C 0     pi
H 3   
1
C it  C it  X it 
1


t t0 1 n 
 i 1 (1  δ ) t T 
VAN  SE 
1 H
   pi
 3   
1
C it  C it  X it  1


C0 t t0 1n  i 1 (1  δ ) t T 
Dans cette partie, on teste la validité de l’hypothèse de discrétisation de la distribution des taux de croissance du
PIB en calculant des équivalents certains pour un projet avec un modèle de trafic simplifié avec des simulations de
Monte‐Carlo, cinq puis trois scénarios.

3.2 - Tests avec 3 et 5 scénarios tendanciels vs. simulations de Monte-

Carlo
La méthode par scénarios a un coût en termes de temps de calcul : la démultiplication des scénarios de croissance
entraîne une démultiplication équivalente des temps de calcul liés aux simulations de trafic. Le temps de calcul
associé aux simulations de trafic, et le manque de relation simple entre hypothèses de PIB et trafic interdisent
l’utilisation de scénarios trop nombreux ainsi que l’application de méthodes de Monte‐Carlo.
L’objet de cette partie est de déterminer le nombre de scénarios distincts minimum permettant la mise en œuvre
efficace de la méthode par scénarios. Afin d’avoir toujours un scénario central, on ne considère que des cas où le
nombre de scénarios est impair. Les tests sont réalisés sur des projets simplifiés, afin de s’affranchir ici de la
contrainte de temps de calcul, dans une certaine mesure. De fait, comme le montre la suite de la note, on constate
qu’il est clairement suffisant de prendre en compte trois scénarios distincts.
3.2.1 ‐ Présentation des projets stylisés
Les projets testés sont les suivants :
Projet P1 : projet de doublement d’une route nationale ordinaire à 2x1 voies sur 50 kilomètres par une autoroute à
2x2 voies à péage de 55 km. Il n’y a pas d’échangeur intermédiaire. Le terrain est supposé « plat ». La demande
initiale est de 30000 véhicules dont 10% de PL. On fait des affectations sur deux arcs selon la loi d'Abraham.
Projet P2 : projet de doublement d’une route nationale ordinaire à 2x1 voies sur 20 kilomètres par une 2x2 voies
de 25 km. Le terrain est supposé « plat ». La demande initiale est de 20000 véhicules dont 8% de PL. On fait des
affectations sur deux arcs selon la loi d'Abraham.
Hypothèses :
On applique les valeurs de l'instruction cadre de 2007. L'élasticité de la demande au PIB est de 1,1. Les élasticités
des valeurs unitaires du coût généralisé au PIB sont les suivantes :
 Valeur du temps VL : Elasticité de 0,7 à la croissance du PIB par tête.
 Valeur du temps PL : Elasticité de 2/3 à la croissance du PIB.
 Sécurité : Elasticité de 1 à la croissance du PIB par tête.
 Externalités environnementales : Elasticité de 1 à la croissance du PIB par tête.
Trois calculs de la VAN‐SE sont comparés pour chaque projet :
 Le premier correspond au calcul de la VAN‐SE non risquée avec un taux d’actualisation de 4%.
 
T
VAN - SE non risquée   e  4% t .E ( X t )
t 0
 Le second calcul correspond à un calcul avec prise en compte du risque à partir d’une distribution discrète
du taux de croissance du PIB (3 scénarios ou 5 scénarios) :
  

(C 0 + VAN  SE scénarios )1 γ  (C 0 )1 γ =  e δ t E (C t + X t )1 γ  (C t )1 γ
t=1
 Le troisième calcul correspond à un calcul avec prise en compte du risque à partir d’une distribution
continue du taux de croissance du PIB simulée par des tirages de Monte Carlo

  

(C 0 + VAN  SE Monte Carlo )1 γ  (C 0 )1 γ =  e  δ t E (C t + X t )1 γ  (C t )1 γ
t=1
Les deux graphiques ci‐dessous illustrent la discrétisation de la fonction de répartition de la loi normale utilisée
dans le calcul de la VAN‐SE scénarios.
Moyenne = 1,5% (par an) ; écart‐type = 0,003 Moyenne = 1,5% (par an) ; écart‐type = 0,005
1,0 1,0
0,8 Discrete({};{}) 0,8 Discrete({};{})
Minimum 0,900 Minimum 0,500

Maximum 2,10 Maximum 2,50
0,6 Moyenne 1,50 0,6 Moyenne 1,50
Ecart type 0,297 Ecart type 0,495
Normal(1,5;0,3) Normal(1,5;0,5)
0,4 0,4
Minimum - 8 Minimum - 8
Maximum +8 Maximum +8
Moyenne 1,50 Moyenne 1,50
0,2 Ecart type 0,300 0,2 Ecart type 0,500
0,0 0,0
0,0
0,5
1,0
1,5
2,0
2,5
3,0
0,8
1,0
1,2
1,4
1,6
1,8
2,0
2,2
Figure 7 : Comparaison des distributions cumulées des lois Figure 8 : Comparaison des distributions cumulées des lois
normale et discrète du TCAM du PIB normale et discrète du TCAM du PIB
3.2.2 ‐ Résultats
Résultats avec un écart type du taux de croissance du PIB à 0.003
Calcul avec 3 scénarios probabilisés sur le taux de Calcul avec 5 scénarios probabilisés sur le taux de
croissance du PIB : croissance du PIB (moyenne : 1,5% / an : écart‐type :
0,003) :
4
TCAM du PIB probabilité TCAM du PIB probabilité
1 % 25 % 0,9 % 6 %
1,5 % 50 % 1,2 % 25 %

2 % 25 % 1,5 % 38 %
1,8 % 25 %
2,1%
6 %
Projet P1 Projet P2 Projet P1 Projet P2
VAN‐SE non risquée 719 M € 97,5 M€ VAN‐SE non risquée 719 M € 97,5 M€
VAN‐SE scénarios 692 M € 93,0 M€ VAN‐SE scénarios 700 M € 94,3 M€

VAN‐SE Monte‐Carlo 699 M € 94,1 M€ VAN‐SE Monte‐Carlo 699 M € 94,1 M€
4
Taux de croissance annuel moyen

Résultats avec un écart type du taux de croissance du PIB à 0.005
Calcul avec 3 scénarios probabilisés sur le taux de Calcul avec 5 scénarios probabilisés sur le taux de
croissance du PIB : croissance du PIB (moyenne : 1,5% / an : écart‐type :
0,005) :
TCAM du PIB probabilité TCAM du PIB probabilité
0.8 % 25 % 0,5 % 6 %
1,5 % 50 % 1,0 % 25 %

2.2 % 25 % 1,5 % 38 %
2,0 % 25 %

2,5% 6 %
Projet P1 Projet P2 Projet P1 Projet P2
VAN‐SE non risquée 719 M € 97,5 M€ VAN‐SE non risquée 719 M € 97,5 M€
VAN‐SE scénarios 666 M € 88,3 M€ VAN‐SE scénarios 665 M € 88,1 M€

VAN‐SE Monte‐Carlo 665 M € 88,0 M€ VAN‐SE Monte‐Carlo 665 M € 88,0 M€
3.2.3 ‐ Conclusion sur le nombre de scénarios à partir de tests sur des projets
simplifiés
Les simulations précédentes montrent qu'il est possible de calculer un équivalent certain de la VAN‐SE (ou prendre
en compte le risque par un calcul "au numérateur" qui endogénéise le taux d’actualisation) en utilisant une loi de
probabilité discrète du taux de croissance annuel moyen.
Le grand avantage de cette méthode est qu'elle reflète la diversité des projets étudiés : le caractère spécifique du
risque est matérialisé par le terme E (U ( X t  Ct )) où la forme des avantages et leur lien avec le PIB sont
particuliers au projet.
Ce calcul peut se faire avec un nombre réduit de réalisations des trends de croissance : 3 ou 5. Ces calculs
apparaissent faisables sur des maquettes de projets et fournissent une erreur faible (notamment avec 5 scénarios)
par rapport à un calcul "pur" avec des tirages de Monte Carlo plus complets (effectués ci‐dessus sur une Loi
Normale).
Les calculs ci‐dessus ont été effectués en considérant que la source de risques est le trend de croissance sur longue
période. Ceci est cohérent avec les durées d'actualisation longues (30 à 50 ans) qui caractérisent les projets de
transports. Certes, on pourrait arguer que cette formulation en tendance ne reflète pas les situations de chocs de
court terme (1 à 5 ans) au cours de la durée de vie du projet, et notamment le début de sa période d'actualisation,
mais il faut garder à l'esprit que, pour des périodes d'actualisation aussi longues, c'est la tendance qui compte, et
non pas tant les fluctuations autour de la tendance.
Ceci dit, des tests sur des projets de durée de vie plus courte avec des chocs de court terme sur la croissance sont
envisageables. De même, il n'a pas été fait de tests sur l'impact d'autres trends macro‐économiques, tels que les
prix relatifs ou les comportements de mobilité.

3.2.4 ‐ Tests complémentaires avec 3 ou 5 scénarios sur des vrais projets
Cette partie approfondit le choix du nombre de scénarios en utilisant 3 ou 5 scénarios. La méthode de Monte‐Carlo
n’est pas appliquée ici pour des raisons de temps de calcul, les modèles de trafic n’étant pas simplifiés. Dans la
suite de cette partie, quatre projets routiers réels anonymisés présentés en annexe 1 sont utilisés. Pour chacun
d’entre eux, la méthode par scénarios est appliquée, avec trois puis cinq scénarios.
La comparaison des deux approches montre que l’amélioration de la précision des résultats n’est pas justifiée par
l’augmentation substantielle des temps de calcul.
Scénarios
La première combinaison de scénarios est composée :
 un scénario central de croissance de 1,5% par an du PIB ;
 un scénario de crise de baisse du PIB de 2% par an pendant 10 ans, puis hausse du PIB de 0,5% par an ;
 un scénario de reprise de hausse du PIB de 2,5% par an.

La probabilité des scénarios est la suivante :

Scénario Probabilité
Crise 20%
Central 50%
Reprise 30%

La deuxième combinaison de scénarios est composée des 3 scénarios précédents complétés de deux scénarios
moyens :
 le scénario "bas" de croissance de 1% par an du PIB ;
 le scénario "haut" de croissance de 2% par an du PIB.
Afin de conserver la moyenne et l’écart type de la distribution de scénarios précédente, la probabilité des scénarios
est la suivante :
Scénario Probabilité
Crise 17.20%
Bas 17.50%
Central 18.80%
Haut 23.30%
Reprise 23.20%

R é s u l t a t s d e s t e s t s s u r d e s p r o j e t s r o u t i e r s 5
Les graphiques ci‐dessous donnent la distribution des VAN‐SE pour les quatre projets considérés dans le cas où
cinq scénarios sont pris en compte.
Tableau 3 : distributions des VAN des projets routiers testés

Le tableau suivant montre que les VAN‐SE calculées sur la base de cinq scénarios sont très proches de celles
obtenues par le calcul avec trois scénarios.
Tableau 4 : Différence relative des VAN-SE risquées obtenues avec 5 scénarios et 3 scénarios
P1 P2 Déviation 1 Déviation 2
‐0.56 % ‐0.01 % ‐2.7 % ‐0.4 %
Sur les quatre projets routiers testés, la différence de résultats avec 3 ou 5 scénarios est inférieure à 5 %.
L’utilisation de 3 scénarios semble donc suffisante.
3.3 ‐ Sensibilité des résultats aux scénarios choisis et au coefficient
d’aversion au risque
Les scénarios sont caractérisés et différenciés les uns des autres par les tendances de long terme portant sur le PIB.
D’autres facteurs de risque systémiques, jouant significativement à la fois sur les effets du projet et le PIB, peuvent
également être utilisés dans ces scénarios (c’est notamment le cas du prix de l’énergie).
5 NB : les échelles ne sont pas les mêmes sur les 4 graphiques ci-dessous.

S’il apparaît, dans la description des risques, que certains risques systémiques peuvent affecter significativement
certains facteurs (corrélés au PIB) ou certaines sous‐périodes de la période de projection, les scénarios macro‐
économiques peuvent alors se différencier plus fortement sur ces facteurs ou ces sous‐périodes.
Tests sur des scénarios probabilisés du PIB incluant des scénarios de "rupture" de
moyen terme
On note que les scénarios de PIB utilisés ci‐dessous comportent des "ruptures" significatives, ce qui peut avoir deux
effets :
 sortir du domaine d'application des développements limités utilisés pour l'application des formules
 e  

approchées de (C 0 + VAN équivalente )1 γ  (C 0 )1 γ = δ t
E (C t + X t )1 γ  (C t )1 γ présentées en
t=1
partie 1.3 ‐ Formules de calcul de l’équivalent certain de la VAN‐SE, simplifications possibles et hypothèses
sous‐jacentes ;
 rendre l'application des élasticités hasardeuses.
Par ailleurs les variations brutales de PIB ont des conséquences sur les comportements et les anticipations des
agents que les modèles de trafic ne sont pas conçus pour pouvoir représenter.
Scénarios extrêmes
Les scénarios de PIB présentent un taux de croissance annuel moyen du PIB qui varie dans le temps, incluant
notamment des scénarios de récession de moyen terme (selon les cas, 5 ou 10 ans). L'ajout de ces scénarios est
destiné à illustrer l'effet de fluctuations du PIB sur des périodes inférieures à 50 ans, en plus de l'effet de
l'incertitude sur la tendance du PIB sur 50 ans. Aussi, les scénarios avec fluctuations de PIB infra‐période de 50 ans
conservent‐ils une tendance moyenne égale au scénario central (soit 1,5 % pan), ce qui suppose donc une forme de
rattrapage (cela s'est d’ailleurs observé dans l’histoire). Le scénario le plus extrême ci‐dessous correspond à une
baisse du PIB de 5 % par an pendant 10 ans, sa probabilité est de 2 %.
Scénarios probabilisés du PIB variant dans le temps
Les scénarios de PIB testés présentent des taux de croissance annuel moyen du PIB varie dans le temps. Les TCAM
du PIB sont présentés pour chaque scénario dans le tableau ci‐dessous :
SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO
PIB ‐ TCAM
1 2 3 4 5 6 7 8 9
Probabilité 6% 24% 36% 24% 6% 1% 1% 1% 1%
Quinquennat
1 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % ‐2,50 % ‐5,00 % 0,00 % 1,50 %
2 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % ‐2,50 % 1,85 % 0,00 % 1,50 %
3 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 0,00 % 1,50 %
4 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 0,00 % 1,50 %
5 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 0,00 % ‐5,00 %
6 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 2,00 % 1,95 %
7 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 2,00 % 1,95 %

SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO SCENARIO

PIB ‐ TCAM
1 2 3 4 5 6 7 8 9
8 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 2,00 % 1,95 %
9 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 2,00 % 1,95 %
10 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 2,00 % 1,95 %
>10 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 2,00 % 1,95 %
PIB en base 100 en 2015
350
300
SCENARIO 1
SCENARIO 2
250
SCENARIO 3
SCENARIO 4
200 SCENARIO 5
SCENARIO 6
SCENARIO 7
150
SCENARIO 8
SCENARIO 9
100
50
2015 2020 2025 2030 2035 2040 2045 2050 2055 2060 2065
Figure 9 : scénarios de PIB
Résultats
Pour le projet 1, on obtient les résultats suivants :
Tableau 5 : VAN-SE des projets sous différents scénarios et différentes méthodes de prise en compte du risque
Scénarios variant dans
P1 Sigma = 0.003 Sigma = 0.005 Scénarios extrême le temps
VAN‐SE non risquée 719 M € 719 M € 719 M€ 719 M€
VAN‐SE scénarios 692 M € 666 M € 632 M€ 628 M€
VAN‐SE Monte‐Carlo 699 M € 665 M € ‐ ‐
NB : Afin de conserver une comparabilité des résultats, la moyenne de la distribution des TCAM du PIB est de 1.5%.
Le calcul en équivalent certain correspond à un taux d'actualisation équivalent de :
 4,42 % pour les scénarios extrêmes ;
 4,43 % pour les scénarios variant dans le temps.
Les résultats sur le projet 1 montrent que l’impact de la prise en compte du risque macro‐économique sur la valeur
de l’équivalent certain de la VAN‐SE dépend principalement de l’écart type des scénarios choisis. Plus cet écart
type est important, plus la VAN‐SE prenant en compte le risque sera faible. Cet effet est intuitif : plus on suppose
que le futur est risqué plus la une prime de risque sera importante.

Afin de comparer des projets entre eux, il est nécessaire que les comparaisons soient effectuées à moyenne et
écart type du taux de croissance du PIB identiques.
3.4 - Tests sur la périodicité des tirages sur un modèle simplifié à deux
périodes et à élasticité trafic / PIB forfaitaire
L'objet de cette partie est de tester, sur des scénarios de PIB simplifiés à l'extrême, le fait que l'on retrouve des
"primes de risques équivalentes" relativement faibles, y compris en considérant des scénarios de PIB contrastés
entre sous‐périodes.
On simplifie alors le projet à l'extrême, en gardant 2 sous‐périodes de 25 ans, donc avec 2 bifurcations des
scénarios macro‐économiques, l’une en 2012 et l'autre en 2037.
On a ainsi le schéma suivant :
TCAM 2037‐2062
TCAM 2012‐2037
Scénario 1
+1,5 %
+1,5 % Scénario 2
‐1,5 %
+1,5 % Scénario 3
‐1,5 %
‐1,5 % Scénario 4

Figure 10 : scénarios de PIB en deux périodes
Le projet est "normalisé", un coût d'investissement de 100 000 Euros, et des avantages nets la première année de
4 000 Euros. La VAN du projet (au taux de 4%, sans risque, avec un TCAM du PIB de 1,5 % par an) est de l'ordre 9
500 Euros.
Les résultats obtenus sont du même ordre de grandeur que précédemment, le taux d'actualisation équivalent
intégrant le risque macroéconomique lié aux scénarios ci‐dessus, est de 4,4 %
NB : avec une élasticité avantages / PIB de 1 (au lieu de 2) le taux d'actualisation équivalent est de 4,25 %.
En conclusion, il apparaît que, si l'on reste dans un cadre où le risque porte sur la tendance de la croissance (ce qui
apparaît légitime pour des projets de transports qui s'analysent à moyen terme), les "primes de risques"
équivalentes sont relativement faibles (de l'ordre de 0,4 %) ; le fait de rajouter des scénarios de PIB plus heurtés ne
modifie pas fondamentalement cet ordre de grandeur, sauf à considérer que l'incertitude sur le PIB devienne de
nature chaotique6.
6
cf. approche de Barrow citée dans le rapport Gollier : risque de baisse de PIB de 50 % chaque année, de probabilité de 2 %

3.5 ‐ Sensibilité des résultats à l’horizon d’évaluation
Les tests ci‐dessous présentent la sensibilité des calculs avec prise en compte du risque à l’horizon d’évaluation
choisi. Globalement, plus le projet est risqué, moins il est sensible à une variation d’horizon d’évaluation car le taux
d’actualisation sous‐jacent sera d’autant plus élevé que le projet est sensible au risque macro‐économique.
Si l’horizon d’évaluation choisi est 2140, les scénarios doivent donc être prolongés jusqu’en 2140. Ceci suppose de
réaliser une affectation de trafic à cet horizon ou d’utiliser une élasticité du trafic au PIB de 2070 à 2140 afin de
connaître les avantages jusqu’en 2140.
Horizon 2070
VAN, M€ ASP autoroute Déviation locale Déviation
transit
VAN‐SE formule complète 2 043 180 326
VAN‐SE en scénario central
2 134 158 366
actualisée à 4 %,
VAN risquée/VAN non
96% 114% 89%
risquée
Horizon 2140
VAN, M€ ASP autoroute Déviation locale Déviation
transit
VAN‐SE formule complète 4 148 270 630
VAN‐SE en scénario central

4 580 227 682
actualisée à 4 %,
VAN risquée/VAN non

91% 119% 92%
risquée
3.6 ‐ Test de la formule complète vs. formule simplifiée par

développement limités
Dans cette partie, on teste sur des projets routiers et leurs variantes la validité du calcul au numérateur par
développements limités.
3.6.1 ‐ Formule de base
La valeur actualisée nette est définie par l’équation suivante qui égalise l’utilité du gain certain équivalent pour la
collectivité avec l’espérance d’un gain incertain :
 e 

U(C0 + VAN équivalente )  U(C0 ) = δ t
E U(Ct + X t )  U(Ct ) (1)
t=1


3.6.2 ‐ Formule approchée par développements limités
Comme présenté en partie 1.3.2 ‐Calcul de l’équivalent certain : formule approchée par développements limités et
effets sur l’actualisation, avec des développements limités ( VAN équivalente << C0 et Xt << Ct et en notant que pour
chaque scénario i de PIB, le niveau de PIB à l’année t est : C i t  C0 e (   i ) t ; l’équivalent certain de la VAN
approché par développements limité est :

 X 
VAN équivalente,approchée =  e ( δ  ) t E   t t  (2)
t=1 e 
3.6.3 ‐ Comparaison des résultats avec la formule de base et la formule approchée
Nota : Les cases à fond orange dans les tableaux suivants correspondent à des cas où la VAN‐SE en scénario de
stagnation est négative.
Tests sur des projets routiers
Tableau 6 : Erreur relative de la méthode approchée au numérateur par rapport au calcul direct d’équivalent certain :
(2)  (1) Cas de Elasticité Variante Variante Variante Variante scénario de

erreur =
(1) base de 1 concédée longue courte référence
projet 1 ‐3.14% ‐3.08% ‐29.87% ‐13.72%
projet 2 11.56% 11.49% 15.74% 10.01%
déviation 1 3.62% 4.47% 2.52% 2.66%
déviation 2 1.34% ‐1.57% 2.36%
L’erreur relative du calcul approché par rapport au calcul sans approximation est, sur 13 des 15 projets et variantes
de projets testés, inférieure à 15%.
Tests sur des projets ferroviaires
Tableau 7 : Erreur relative de la méthode approchée au numérateur par rapport au calcul direct d’équivalent certain :
Modernisation de
RER IPCS
ligne
(2)  (1) ‐1.5 % 0.83 % ‐1.17 %

erreur =
(1)
La formule approchée semble donner une bonne approximation de l’équivalent certain de la VAN‐SE d’un projet
(environ 10 % de variation), mais l’approximation est d’autant plus mauvaise que la sensibilité du projet au PIB est
grande (l’approximation a tendance à sous‐estimer l’équivalent certain donc à surestimer le risque).

4 - Les méthodes des bêtas
Cette partie revient sur l’application de la formule des bêtas. Les hypothèses sous jacentes et le calibrage des
paramètres utilisés dans cette approche ne sont pas discutés ici. Le bêta peut être soit déterminée partir de la
typologie du projet soit calculé sur le projet. La validité de l’approche par type de projet est testée dans cette
partie sur des projets routiers et ferroviaires.
4.1 - Méthodes de calcul du bêta

La méthode des bêtas, consistant à augmenter le taux d’actualisation par une prime de risque spécifique au projet,
est équivalente à la méthode par scénarios.
Elle consiste à déterminer le bêta traduisant la corrélation entre les avantages annuels du projet et le PIB, pour en
déduire la prime de risque β φ propre au projet, et à calculer la VAN‐SE avec un taux d’actualisation augmenté de
cette prime de risque :
 

VAN  SE équivalent certain   e  't E ( X t ) avec  '  r      C   2 C2   C2
1
t t 0 2
E( X t )
Soit VAN   1  r   
t
t T
avec
1
r    C   2 C2 et    C2
2
Avec :
 δ: préférence pure pour le présent ;
 µC : moyenne de la distribution du taux de croissance annuel du PIB ;
 σC : écart type de la distribution du taux de croissance annuel du PIB ;
 γ: coefficient d’aversion au risque de la collectivité.
Ce modèle suppose une élasticité constante β et ce système d’’actualisation est basé sur une hypothèse
d'évolution des avantages du projet et du PIB selon des mouvements browniens géométriques corrélé (cf. partie
1.3.4 ‐Calcul de l’équivalent certain par la méthode des bêtas : formule approchée et hypothèses ).
4.2 - Application pratique

Les bêtas, traduisant la corrélation entre les avantages annuels du projet et le PIB, varient selon chaque projet. Le
rapport Quinet propose des valeurs de référence, qui varient selon le mode et le type d’avantage :
 les coûts de construction sont actualisés avec un bêta fixé par défaut à 0,4 ;
 les avantages de CO2 sont actualisés avec un bêta de 1 ;
 les autres avantages sont actualisés avec les bêtas par mode suivants :

Tableau 8 : bêtas par mode (source : rapport Quinet)

mode bêta
Voyageurs urbains 1.1
Voyageurs régionaux 1.2
Voyageurs longue distance 1.7
Ferroviaire fret 1.4
Conditions d’utilisation des bêtas par mode
Ces bêtas ont été calculés à partir de calcul de l’élasticité des trafics par mode au PIB, sur la base de séries
temporelles agrégées. Les bêtas ainsi calculés ne reflètent donc pas la variabilité des élasticités des trafics au PIB
par section. De même, ils ne prennent pas en compte les spécificités régionales des projets. De plus, les hypothèses
suivantes ont été faites pour déduire des bêtas à partir des élasticités trafic/PIB :
‐ les gains de temps forment la majorité des gains du projet ;
‐ le modèle de trafic est peu sensible au temps ;
‐ l’élasticité demande/PIB du projet est cohérente avec les élasticités tirées des indices de trafic (rappelées ci‐
dessous):
Mode Elasticité trafic/PIB (source : tome 2 du rapport Quinet)
Voyageurs urbains 0.4 (0,3 pour l’élasticité de long terme entre trafic de transport collectif urbain et PIB par tête,
0,5 pour l’élasticité à court terme).
Voyageurs régionaux 0.5 pour l’élasticité de long terme et à court terme entre trafic TER et PIB par tête.
Voyageurs longue distance 1 (1,2 pour l’élasticité de long terme et de court terme entre trafic et PIB par tête pour les
infrastructures interurbaines de type autoroutières ; 0,7 pour l’élasticité de long terme et de
court terme entre trafic et PIB par tête pour les infrastructures interurbaines non autoroutières ;
0,5 pour l’élasticité de long terme et de court terme entre trafic et PIB par tête pour les
infrastructures routières urbaines)
Ferroviaire fret 1 (entre 0,5 et 1)
Le bêta par mode ci‐dessus est la somme de l’élasticité trafic/PIB par mode et de 0.7 (élasticité de la valeur du
temps au PIB) : ceci suppose que les avantages sont proportionnels au trafic annuel déterminé par une élasticité
déterministe au PIB, et à la valeur du temps.
4.3 - Calcul du bêta par projet par calcul d’élasticité

Le bêta est calculé ici avec les 50 couples (avantage, PIB) du scénario central. Le bêta est calculé de la façon
 X cov(ln X t , ln Ct )
suivante : ln( X )  a0   ln(C ) ou    .
C var(lnCt )

Tableau 9 : calcul des bêtas de différents projets
bêtas Cas de base Elasticité Variante Variante Variante Variante scénario
de 1 concédée longue courte de référence
projet 1 2.63 0.59 ‐ 5.11 3.18 ‐

projet 2 2.86 ‐ 2.28 3.17 2.06 ‐
déviation 1 2.11 3.16 ‐ ‐ 3.4 3.77
déviation 2 2.56 ‐ ‐ 0.9 0.9 ‐
Les bêtas des projets et variantes testés sont regroupés autour de 2, et compris entre 0.59 et 3.77 ; ce qui montre
la variabilité des élasticités des avantages des projets aux variations de PIB, même par type de projets proches.
1
Les taux d’actualisation résultant sont calculés à partir de la formule :  '    C   2 C2   C2 et avec
2
σ²=0.002.
Tableau 10 : Taux d'actualisation "paramétrés" de différents projets
taux d'actualisation Cas de Elasticité Variante Variante Variante Variante
avec σ²=0.002 base de 1 concédée longue courte scénario de
référence
projet 1 4.65 % 3.83 % ‐ 5.64 % 4.87 % ‐
projet 2 4.74 % ‐ 4.51 % 4.87 % 4.42 % ‐
déviation 1 4.45 % 4.86 % ‐ ‐ 4.96 % 5.11 %
déviation 2 4.63 % ‐ ‐ 3.96 % 3.96 % ‐
Tableau 11 : calculs avec prise en compte du risque pour des projets ferroviaires
Modernisation de
RER IPCS
ligne
0.58 0.66 0.94

bêtas
taux d'actualisation avec σ²=0.002 et
1 3.83 % 3.86 % 3.60 %
 '    C   2 C2   C2
2
9 M€ −12.6 M€ 4.5 M€

VAN équivalent certain
‐0.39 M€ ‐9 M€ 4.7 M€
VAN‐SE 4%
4.4 ‐ Calcul du bêta équivalent déduit de la méthode des scénarios
Pour comparaison entre l’approche par le bêta et la formule « à la racine » dans laquelle le taux d’actualisation
risqué est endogène, on définit un « taux d’actualisation équivalent (tenant compte du risque) α’ à l’aide de la
formule suivante :
 

VAN  SE équivalent certain   e  't X t
t t0

Il s’agit du taux d’actualisation qui, appliqué aux avantages du projet en scénario central, permet de retrouver la
VAN‐SE avec prise en compte du risque par la méthode de base :
 e 

U(C0 + VAN équivalente )  U(C0 ) = δ t
E U(Ct + X t )  U(Ct )
t=1
Par définition, cette approche est donc absolument équivalente à la méthode dite des scénarios mais peut
toutefois fournir un éclairage à un public de culture plus financière. Globalement, si le taux équivalent est inférieur
à 4%, le projet est peu risqué et plus il est fort, plus le projet est sensible au risque macro‐économique.
Avec les projets précédents, on obtient les taux suivants :
Tableau 12 : taux d'actualisation équivalents des projets testés
P1 P2 Déviation 1 Déviation 2 Modernisation

RER IPCS
de ligne
Taux d’actualisation
équivalent, formule « de 3.8 % 5.24 % 4.87 % 4.14 % 4.10 % 3.92 % 4.37 %
base »
Bien que les taux d’actualisation équivalents restent autour de 4 %, la variation entre 3.8 % et 5.2 % sur les projets
testés illustre bien la spécificité des projets au risque macro‐économique. De plus, on n’observe pas, pour les
projets testés, de typologie de projet, que ce soit par mode ou par type de trafic (transit, local).
4.5 ‐ Test de la formule de base vs. formule des bêtas
Pour comparaison avec le numérateur sur les variantes « cas de base » des 4 projets, on utilise le « taux
d’actualisation équivalent (tenant compte du risque) α’ défini dans la partie précédente.
Ce taux est comparé dans le tableau ci‐dessous au taux d’actualisation résultant du calcul du bêta du projet et de
l’application de la formule  '    C  1  2 C2   C2 , basée sur des hypothèses de mouvements browniens
2
géométriques du PIB et d‘élasticité constante des avantages du projet au PIB.
Tableau 13 : taux d'actualisation des projets incluant la prise en compte du risque macro-économique de façon spécifique au
projet et paramétrée
P1 P2 Déviation 1 Déviation 2 Modernisation

RER IPCS
de ligne
taux d'actualisation avec
4.65 % 4.74 % 4.45 % 4.63 % 3.83 % 3.86 % 3.60 %
σ²=0.002 et bêta
Taux d’actualisation
équivalent, formule « de 3.8 % 5.24 % 4.87 % 4.14 % 4.10 % 3.92 % 4.37 %
base »
La méthode du bêta, même avec des bêtas différenciés par projet (et relativement élevés) semble « uniformiser »
la sensibilité de la VAN‐SE au risque en fonction des projets. De plus, le sens de variation entre taux d’actualisation
équivalent et taux d’actualisation calculé avec les bêtas n’est pas toujours le même : pour certains projets le risque
semble sous estimé avec les bêtas, et pour d’autres il semble surestimé. Ces deux effets sont principalement dus à
l’utilisation d’élasticités avantages/PIB à la place d’un calcul explicite.


Tableau 14 : Erreur relative de la méthode du dénominateur avec bêta spécifique au projet par rapport au calcul direct
d’équivalent certain :
(3)  (1) Cas de Elasticité Variante Variante Variante Variante
erreur = base de 1 concédée longue courte scénario de
(1)
référence
projet 1
‐25.24 % ‐5.71 % 510.55 % ‐29.91 %
projet 2
‐19.49 % 1.15 % ‐35.03 % ‐5.19 %
déviation 1
‐14.06 % ‐39.00 % ‐36.84 % ‐45.40 %
déviation 2
‐15.65 % 30.66 % 1.04 %
RER
‐14 %
Modernisation de
ligne ‐ 37 %
IPCS7
‐20 %
Le test de cohérence n’est pas validé avec tous les projets car plusieurs projets ou variantes de projets présentent
des variations entre la VAN‐SE recalculée au dénominateur et l’équivalent certain supérieures à 20 %. Il s’agit des
projets présentant les bêtas les plus forts. La méthode au dénominateur considère que les projets ont une
élasticité déterministe par rapport au PIB, ce qui n’est pas tout à fait le cas au vu des distributions de VAN‐SE non
symétriques présentées en annexe 1. Le calcul simplifié au dénominateur n’est donc pas suffisant pour des projets
présentant des risques importants et la méthode au numérateur, simplifiée ou non, permet de mieux prendre le
risque macro‐économique en compte pour ces projets.
5 - Seuil de prise en compte du risque : test de stress
macro‐économique
La VAN‐SE du projet doit être calculée en prenant en compte le risque sur l’environnement macro‐économique (dit
risque systémique).
Afin d’apprécier de manière grossière si le projet est exposé, ou non, au risque systémique et donc si les
affinements du calcul de l’équivalent certain de a VAN‐SE sont utiles, un test de « stress » ou de sensibilité au PIB,
fondé sur un scénario macro‐économique dégradé peut être effectué en toute première approche.
Définition du test de stress
La VAN‐SE est calculée en considérant les avantages dans le scénario macro‐économique tendanciel et un taux
d’actualisation sans risque de 4%.

VAN centrale =  e (14%) t X central t
t=1
Le scénario macro‐économique stressé se caractérise par une croissance du PIB de 0 % par an sur la durée de
prévision.
7
Installation permanente de contre-sens, cf. Annexe 1 pour la présentation des projets.

La VAN‐SE est calculée en considérant les avantages dans le scénario macro‐économique stressé et un taux
d’actualisation sans risque de 4 %.

VAN stress =  e (1 4%) t X stress t
t=1
Ci‐dessous les VAN‐SE stress sont calculées avec un scénario de stagnation (0% de croissance) et comparées aux VAN
calculées en scénario central.
VAN  SEéquivalent certain

VAN  SEnon risquée
Ensuite, le ratio obtenu est comparé au ratio qui indique la prime de risque du projet, afin
VAN stress
de vérifier que le ratio
VAN centrale < 80 % est suffisant pour présumer du caractère risqué d’un projet.
Les scénarios utilisés pour le calcul de la VAN‐SE avec prise en compte du risque macro‐économique consistent
respectivement :
 en une croissance « tendancielle » du PIB de 1,5 % par an sur la durée de l’évaluation ;
 en une « embellie », avec un taux de croissance annuel moyen sur la durée de l’évaluation de 2,5 % ;
 en une stagnation, avec un taux de croissance annuel moyen nul sur la durée de l’évaluation.
Les probabilités respectives de ces scénarios sont de :
 Tendanciel : 50 % ;
 Embellie : 30 % ;
 Stagnation : 20 %.
VAN stress
Tableau 15 : calcul de pour les projets routiers
VAN centrale
Cas de Elasticité Variante Variante Variante Variante
VAN stress base de 1 concédée longue courte scénario de

VAN centrale référence
projet 1
47.49% 81.12% VAN‐SE VAN‐SE
négative négative
projet 2
38.67% 52.60% 13.41% 46.67%
déviation 1
29.49% 24.35% VAN‐SE VAN‐SE
négative négative
déviation 2
26.94% 27.90% VAN‐SE
négative
VAN stress
Les ratios sont mis en regard des bêtas des projets ci‐dessous afin d’évaluer la capacité de ce ratio à
VAN centrale
discriminer les projets les moins risqués.

Tableau 16 : calcul des bêtas moyens des projets routiers analysés

bêtas Cas de Elasticité Variante Variante Variante Variante
base de 1 concédée longue courte scénario de
référence
projet 1 2.63 0.59 ‐ 5.11 3.18 ‐
projet 2 2.86 ‐ 2.28 3.17 2.06 ‐
déviation 1 2.11 3.16 ‐ ‐ 3.4 3.77
déviation 2 2.56 ‐ ‐ 0.9 0.9 ‐
Tableau 17 : prise en compte du risque systémique sur des projets ferroviaires
Modernisation de IPCS
RER
ligne
VAN stress ‐3.09 ‐18 0.9
VAN centrale ‐0.39 ‐9 4.7
VAN  SE équivalent certain 9 −12.6 4.5
VAN stress
VAN‐SE négatives 19 %
VAN centrale
0.58 0.66 0.94
bêta
VAN stress
Pour les projets ferroviaires et routiers, les ratios ne reprennent pas exactement la sensibilité au PIB
VAN centrale
représentée ici par les bêtas, ce qui s’explique par l’asymétrie de la distribution des VAN par rapport aux
distributions de PIB que, par définition, les bêtas ne peuvent pas représenter.

6 - Conclusion
La méthode générale de prise en compte du risque présentée dans ce rapport est basée sur le cadre micro‐
économique de maximisation de l’espérance de l’utilité (cadre de Von Neumann et Morgenstern). Ce cadre donne
l’équation générale correspondant à la méthode dite du numérateur, qui peut être appliquée sous condition de
faire une hypothèse sur la forme de la fonction d’utilité, et d’avoir une loi de distribution du PIB (éventuellement
discrétisée : on parle alors de scénarios probabilisés), ainsi que les avantages annuels correspondants aux
réalisations du PIB.
A partir de cette formule générale, différentes simplifications sont possibles afin de faciliter l’application de cette
méthode, de deux ordres, représentées dans les 2 tableaux ci‐dessous.
Tout d’abord, la formule peut être simplifiée afin d’en faciliter l’utilisation et la lecture (cf. tableau 3) :
 par l’utilisation de développements limités (formules approchées de la méthode au numérateur) ;
 par des hypothèses sur les lois de distribution du PIB et par une simplification du lien entre avantages
annuels et PIB, résumé par une élasticité bêta : on parle alors de méthode au dénominateur ou méthode
des bêtas.
Tableau 18 : Présentation synthétiques des méthodes de prise en compte du risque
Méthode Formule Hypothèses
  

Méthode au
(C 0 + VAN  SE)1 γ  (C 0 )1 γ =  e δ t E (C t + X t )1 γ  (C t )1 γ
numérateur, t=1
formule de base

Méthode au  X  VAN‐SE << C0 et Xt << Ct
numérateur, VAN  SE = e
t=1
 ( δ  ) t
E   t t 
e 
formule approchée
Méthode au  
 cov C t ; X t    VAN‐SE << C0, Xt << Ct et en
.u ' E (C t ) . E ( X t )  
1
VAN  SE    
E (C t )   u’(C)
numérateur,
t  0  (1   )
t
formule approchée 
(rapport Gollier)
Elasticité déterministe β
Méthode du bêta      C    C  C  't
 1 2 2 2 
 entre les avantages du projet
(au dénominateur) VAN  SE  e
t t0 

 2 
X t  et le PIB, mouvements
  browniens géométriques du
taux de croissance du PIB
Ensuite, en pratique, le calcul de la distribution annuelle de ces avantages peut se faire par des simulations de
Monte‐Carlo sur le PIB au niveau du modèle de trafic et du calcul socio‐économique. Cependant, la complexité des
modèles de trafic rend ce type de simulations très chronophage. Le calcul de la distribution des avantages annuels
du projet peut être simplifié par différentes méthodes (cf. tableau 4), dont notamment :
 l’utilisation de scénarios probabilisés du PIB (3 semble un nombre suffisant de scénarios) plutôt que d’une
distribution continue du taux de croissance du PIB ;
 l’utilisation des bêtas, soit la réduction du lien entre avantages annuels du projet au PIB à une élasticité,
constante dans le temps. Le bêta peut être calculé par type de projet, mais dans ce cas, le risque spécifique
du projet n’est pas évalué. Il peut également être calculé par projet mais dans ce cas, son utilisation
suppose une élasticité constante dans le temps et une distribution symétrique des avantages d’un projet
par rapport au PIB, ce qui n’est généralement pas le cas, notamment à cause des effets réseau.

Tableau 19 : présentation des méthodes de calcul des avantages probabilisés
Méthode de calcul de la Principe de la méthode Commentaires

Monte‐Carlo sur le modèle de Appliquer des simulations de Monte‐ Temps de calcul (grand nombre de
trafic Carlo aux variables clés du modèle de tirages du PIB)
trafic et du calcul socio‐économique
Monte‐Carlo sur un modèle Raccourcir le temps de calcul par tirage Perte de la spécificité du projet via le
de trafic simplifié en simplifiant le modèle de trafic modèle de trafic simplifié alors que
l’enjeu de prise en compte du risque
est dans la connaissance du lien entre
avantages et PIB.
Monte‐Carlo sur la base de Diminuer le nombre de tirages avec un Temps de calcul fonction du nombre de

scénarios nombre limité de couples (avantage, tirages et affinement « artificiel » du
PIB) par an et en déduire une relation calcul
entre PIB et avantages pour le projet
puis faire des tirages de Monte‐Carlo
sur cette relation
Connaissance des VAN‐SE par scénario
Méthode des scénarios Diminuer le nombre de tirages avec un (lisibilité des résultats) et nombre de
nombre limité de couples (avantage, tirages limité (3 ou 5)
PIB) par an
Pas de calcul de la distribution des Perte de l’analyse du risque spécifique
Méthode des bêtas avantages du projet face aux risques macro‐
économiques par la simplification à
L’élasticité des avantages au PIB est l’extrême du lien entre avantages
simplifiée par une valeur, pouvant être annuels et PIB.
supposée être la même pour des
projets « de même type ».
Au‐delà de la question du choix des méthodes pratiques de prise en compte du risque, pour lequel les hypothèses
et limites des variantes possibles sont détaillées dans ce rapport, plusieurs points restent à approfondir,
concernant le taux de croissance du CO2, la date optimale de mise en service et le choix de mises en service
progressives dans un univers incertain.
Le taux de croissance du CO2 n’est pas clairement défini dans le cadre du risque macro‐économique. Il s’agit de la
question de la transposition de la règle de Hotelling en univers incertain qui n’est pas résolue.
Enfin, une méthode basée sur des arbres de décision pourrait être développée à la fois pour le calcul de la date
optimale de mise en service et pour l’analyse de l’impact de l’étalement dans le temps des investissements
combiné au contexte macro‐économique incertain : il s’agit notamment de la question des mises en service
progressives ou partielles.

Bibliographie
[1] Prise en compte du risque macro‐économique dans le calcul socio‐économique – faisabilité d’une méthode
par scénarios, Rapport d'étude, Cerema, DTecITM, 2014.
[2] Commissariat Général à la stratégie et à la Prospective, 2013, L’évaluation socio‐économique des
investissements publics, Rapport de la mission présidée par Emile Quinet.
[3] Les outils d'évaluation des projets routiers – d'Ariane à TransCAD. Rapport d'études, Sétra, 2010.
[4] La demande de transport en 2025 ‐ Projections des tendances et des inflexions ‐ note de mise à jour mai
2007, DAEI‐SESP, 2007.
[5] Centre d’analyse stratégique, 2011, Le calcul du risque dans les investissements publics, Rapport du groupe
de travail présidé par Christian Gollier.
[6] Instruction cadre relative aux méthodes d’évaluation économique des grands projets d’infrastructures.
Comité des directeurs transport (mis à jour en 2005), MEDDTL, 2004.
[7] Commissariat Général du Plan, 2005, Révision du taux d'actualisation des investissements publics, Rapport
de la mission présidée par Daniel Lebègue.
[8] Actualisation : prise en compte du temps dans un environnement risqué dans Calcul économique dans le
processus de choix collectif des investissements de transport, Predit, Economica. Gollier C, 2007.
[9] Déterminants économiques conjoncturels et structurels du trafic, Rapport d'études, Cerema, 2014.
[10] Prise en compte du risque dans le calcul économique, Rapport d'études, Sétra, 2012.
[11] Le calcul du risque dans les investissements publics, Centre d’Analyse Stratégique, Rapports & Documents,
n°36, Gollier, 2011.

Annexe 1 – présentation des projets
Projets routiers
Les tests sont menés sur deux projets de déviation d’agglomération, la déviation 1 et la déviation 2, ainsi que sur
deux projets d’autoroute, le projet P1 et le projet P2 :
 la déviation 1 est une déviation d’agglomération de 5 km ;
 la déviation 2 est une déviation d’agglomération de 7 km ;
 le projet 1 est une autoroute concédée comprenant 2 déviations d’agglomération, d’une longueur totale
d’environ 90 km ;
 le projet 2 est une autoroute non concédée de 2x2 voies présentant un fort trafic PL.
Les projets routiers testés dans le cadre de ce rapport ont été anonymisés. Il s’agit de projets réels avec des
modèles d’affectation prix‐temps. L’affectation et le bilan socio‐économique ont été effectués avec les modules
Sétra8 de TransCAD.
Projets ferroviaires
Par rapport aux simulations en mode routier une des grosses difficultés rencontrée pour l’application des
différentes méthodes de prise en compte des risques sur des projets ferroviaire est l’absence de maitrise que RFF a
des modèles de trafic. L’ensemble des études de trafic étant réalisé par des prestataires externes, il n’a pas été
possible pour la réalisation de ce travail de choisir des projets nécessitant un modèle de trafic, avec lequel il aurait
fallu boucler le bilan socio‐économique notamment pour la méthode au numérateur. Par conséquent, les trois
projets qui sont testés dans cette partie ont des trafics en référence et en projet obtenus à partir du trafic initial via
des élasticités au PIB et/ou au gain de temps, etc.
Les résultats présentés dans ce rapport n’ont que valeur d’illustration des méthodes.
Projet 1 : modernisation d’une section de ligne

Nous avons récupérer le bilan d’un éclairage socio‐économique du projet de modernisation d’une section de ligne.
Du fait entre autre du mauvais état de l’infrastructure, cette branche enregistre des ralentissements. Ainsi, des
limitations de vitesse à 60 km/h voire 40 km/h sont établies actuellement sur le tronçon. Le projet vise à permettre
un rehaussement de la vitesse des trains sur ce secteur de sorte a ce qu’ils puissent circuler à la vitesse nominale
de la ligne (110 km/h). Ce projet permet également d’éluder un certain nombre de travaux (renouvellement de
voie, de rails ou encore de ballast par exemple). De plus, les gains d’entretien de la ligne ont été estimes a 0,34 M€
par an (CE 2014) pour les 30 premières années puis à 0,23 M€ sur les 20 années suivantes. L’objectif du projet est
ainsi de permettre le relèvement de la vitesse à 110 km/h sans modification du plan de voie.
Les principales fonctionnalités du projet sont :
 la modernisation de la voie unique ;
 la réalisation de gains d’entretien via la dépose d’aiguilles neutralisées et l’armement modernisé.

Il permettrait de faire gagner 15 minutes par rapport à la situation actuellement dégradée des circulations. Le
périmètre des travaux représente un tronçon de 40 km environ.
8
Pour la description de ces outils, voir [3]

Projet 2 : amélioration de la robustesse d’une ligne de RER
Plusieurs opérations sont à l’étude dans un objectif d’améliorer la robustesse des lignes de RER. L’analyse de risque
a été appliquée à l’évaluation socioéconomique d’une opération « banalisation » du RER, qui a pour objectif
d’apporter des solutions pour mieux gérer les situations perturbées et limiter l’impact des incidents sur le temps de
déplacement des voyageurs. Cette opération consiste à permettre, à l’horizon 2023, la banalisation des voies entre
deux stations, pour assurer un écoulement minimum du trafic en cas de grand incident.
Le montant global des investissements, réalisés entre 2014 et 2022 s’élève à 13,4 M€ HT 2013.
Projet 3 : mise en place d’Installations Permanentes de Contre‐Sens
RFF met en place progressivement sur les grands axes une politique d’équipement en Installations Permanentes de
Contre‐Sens (IPCS) qui permettent de faire circuler des trains dans les deux sens sur la même voie lors de périodes
de travaux ou en cas d’incidents. Le projet d’IPCS étudié consiste à mettre en place un pas d’IPCS d’une vingtaine
de km. Le reste de la ligne concernée est déjà équipé en IPCS. La réalisation de ce projet permettrait d’éviter la
mise en place d’ITCS dans le cadre du Renouvellement Voies Ballasts (RVB) prévu entre 2016 et 2018.
Les méthodes d’analyse de risque ont été réalisées en respectant le cadre méthodologique de Robien. Les résultats
présentés prennent en compte la valeur résiduelle mais pas le COFP. Ils sont en euros 2012. La mise en service se
fait en 2017, et l’actualisation en 2016. Concernant l’évolution des trafics par rapport à la situation de référence,
elle se fait via une élasticité au PIB. Une élasticité de 0.5 pour les voyageurs régionaux et une élasticité de 1 pour
les voyageurs intercité ont été utilisées.
L’évolution annuelle du PIB jusqu’en 2020 est estimée à 1.5%, date à laquelle les scenarios de PIB débutent pour la
méthode au numérateur.

Annexe 2 ‐ Décision et risque : utilité, aversion pour le
risque et prime de risque
L’aversion au risque peut être illustrée par l'exemple de la loterie : on suppose que l’on propose à un individu une
loterie dont le gain est égal à X1 avec une probabilité ½ ou X2 avec une probabilité de ½. Si l’on propose à cet
individu un gain certain (X1+X2) / 2 avec une probabilité égale à 1, très généralement, l’individu va préférer le gain
certain. L’individu devrait même être disposé à accepter un gain inférieur au gain (X1+X2) / 2, dès lors que ce gain
est certain, plutôt que la loterie initiale.
La formalisation de l’aversion pour le risque développée ci‐dessous (cf. encadré) permet précisément
d’appréhender cette notion, et d’estimer le consentement de l’individu à réduire ses gains (certains) plutôt que
d’affronter le risque de la loterie. Ce consentement de l’individu à réduire ses gains est défini comme la prime de
risque qu’il est prêt à payer pour réduire le risque (ici, le réduire à zéro).
Le cadre général de la représentation du risque dans les comportements des agents suppose que les agents
économiques cherchent à maximiser l’espérance de l’utilité retirée de leurs actions (Morgenstern et Von
Neumann).
Encadré : décision en situation de risque : formulation de Von Neumann Morgenstern
On suppose qu’un agent doit décider entre Q actions a1,…aq,…. aQ, en situation de risque.
Ce risque est caractérisé par N états possibles de la nature, de probabilité: p1,…. pn,… pN .
Chaque action aq donne lieu, dans l’état de la nature n, à une utilité ou état de richesse : u (aq,n).
Alors le théorème de Von Neumann – Morgenstern (1949) indique que la décision de l’agent consiste à
choisir l’action qui maximise l’espérance de son utilité :
Max {aq} Σn pn u(aq,n)
On considère maintenant un agent caractérisé par un niveau de bien être X, lui même soumis à des aléas de loi de
probabilité de densité f (X). On note E (X) l’espérance de l’utilité selon cette loi de probabilité. L’aversion pour le
risque caractérise le fait que les agents préfèrent généralement, comme indiqué plus haut, un bien‐être certain au
même bien‐être risqué. L’aversion pour le risque peut être illustrée à partir du schéma ci‐dessous.

On représente l'utilité liée au gain X, qui est égal à X1 avec une probabilité ½ ou X2 avec une probabilité de ½.
u(E(X)) est donc égal à u1 avec une probabilité ½ ou u2 avec une probabilité de ½. On a : E(u(X))=1/2.(u1+u2).
Avec une fonction d’utilité concave (i.e. l’utilité marginale décroît avec le niveau de bien‐être ou de
consommation) on a donc : E(u(X))<u(E(X)).
utilité
u2
u(E(X))
E(u(X))=u(e)
u1
X1 e E(X) X2 gains
On peut exprimer cet écart entre l’espérance de l’utilité et l’utilité de l’espérance en introduisant la notion
d’équivalent certain et de prime de risque.
L'équivalent certain des gains X est le niveau de bien‐être e tel que l'espérance de l'utilité des gains X est égale à
l'utilité de l'équivalent certain, soit u(e)=E(u(X)).
On a, en général, avec une fonction d’utilité concave : e < E(X) : l’équivalent‐certain du bien‐être est inférieur à
l’espérance de bien‐être : on retrouve bien l’intuition selon laquelle un individu préfère un niveau de bien‐être
certain plus faible que l’espérance d’un niveau de bien être incertain.
La différence entre l’espérance du bien‐être et l’équivalent‐certain de ce bien‐être s’interprète comme le
consentement à payer d’un agent pour disposer d’une certitude sur son niveau de bien‐être. On désigne alors cette
différence par la prime de risque.
Dans l’expression ci‐dessus, si l’on note Π la prime de risque, elle est déterminée comme suit :
E[u  X ]  u (e)  u[ E ( X )   ]
L’aversion pour le risque d’un individu est étroitement liée à la forme de sa fonction d’utilité : plus celle‐ci sera
concave, plus il présentera une aversion élevée au risque. On définit alors l'aversion relative au risque au niveau de
bien‐être X pour l’individu considéré comme :
 E ( X ).u' ' ( X )
 .
u' ( X )
En situation de neutralité face au risque, γ=0.
Les individus se caractérisent par des aversions pour le risque qui leur sont spécifiques (et sont également
spécifiques au niveau de « gain » ‐ donc de consommation ou de richesse auquel on s’intéresse).

Ceci est vrai déjà pour des aléas caractérisés par des probabilités objectives.
Mais, au‐delà, les individus se construisent une représentation subjective des probabilités réelles. De nombreux
travaux ont porté sur la perception des risques par les individus, et notamment des risques de faible probabilité :
on constate souvent que les événements de faible probabilité voient leur probabilité sous‐estimée par les
individus.
On parle d’ambiguïté lorsque la loi de probabilité est subjective, c’est‐à‐dire qu’elle est estimée par l’individu selon
ses croyances, qu’il ait ou non des informations sur la distribution objective et la nature de l’espace des
probabilités
Les agents préfèrent également connaître les probabilités de la situation risquée dans laquelle ils prennent leurs
décisions, plutôt que de rester dans l’ignorance de leur valeur objective c’est‐à‐dire en situation d’incertitude.
Cette situation correspond à une aversion pour l’ambiguïté.
Il existe des différences entre les mesures individuelles et collectives de l’aversion au risque. En général, le groupe
a une capacité à supporter les risques qui est supérieure à celle d’un individu isolé. Ceci tend à modérer l’aversion
collective pour le risque. D'un autre côté, la pression sociale peut conduire les individus à se conformer à certaines
normes de comportement, conduisant alors à un alignement sur l’aversion la plus répandue ou celle des "leaders"
du comportement.
La collectivité reste tout de même averse au risque. Cette aversion au risque justifie l’incorporation de primes de
risque dans l’évaluation des projets publics.
Plusieurs méthodes existent pour calculer l'aversion au risque de la collectivité, de nombreux travaux ayant été
effectués. Les méthodes de calcul de l'aversion pour le risque sont basées soit sur les préférences individuelles,
auquel cas elles doivent être corrigées pour être applicables à un risque pour la collectivité sur la richesse, soit sur
la demande sur des biens tels que l'alimentation, considérés comme ayant une valeur collective marquée, soir sur
des préférences révélées par les gouvernements au travers de leurs choix. Les valeurs trouvées se situent en
général entre γ = 0,5 à 3,5.
Dans la suite de ce rapport, on supposera connue l'aversion pour le risque de la collectivité pour son bien‐être. On
supposera également, pour simplifier, que le bien‐être s’exprime de façon univoque dans un indicateur monétarisé
(par exemple, la consommation finale des ménages ou le PIB).

Résumé
Dans le cadre des travaux de la Commission présidée par le professeur Emile Quinet sur l’évaluation socio‐
économique des projets, l’accent a été mis sur le besoin de mieux prendre en compte le risque dit
« systémique » dans l’évaluation des projets. Ce risque systémique traduit, schématiquement, la corrélation
entre les bénéfices attendus du projet, et la richesse nationale (PIB).
Le rapport de la Commission Quinet a, en particulier insisté, sur le besoin de prendre en compte le caractère

spécifique au projet considéré, du risque systémique. De nombreux tests ont été menés, sur beaucoup de
méthodes différentes, lors des travaux du groupe Quinet et par la suite, en 2014. Ce rapport vise à les
documenter de façon organisée et pédagogique et fournit donc deux fonctions:
 permettre à un chargé d'étude de rentrer dans le sujet de la prise en compte du risque systémique de
façon efficace ;
 documenter l'ensemble des tests déjà réalisés et les conclusions qui peuvent en être tirées à propos des
avantages et inconvénients que posent les différentes méthodes (sur ce point, beaucoup de choses sont
encore en débat, notamment le lien entre méthode des scénarios et Monte‐Carlo, d'une part, et la
question des bêtas par type de projet d'autre part, sur lequel le rapport donnera des éléments factuels
concluants.
Il est important de souligner que les travaux présentés dans ce document sont de nature essentiellement
scientifique et calculatoire. Ils n'engagent pas la position du Ministère sur la valeur du taux d'actualisation ni
plus généralement sur la méthode de prise en compte du risque dans les évaluations de projet.

Sur le même thème
Evaluation des projets de transports ‐ Enseignements et pistes ouverts par le rapport Quinet sur l'évaluation socio‐
économique des investissements publics, Cerema, 2014,
Prise en compte du risque macro‐économique dans le calcul socio‐économique – faisabilité d’une méthode par scénarios,
Rapport d'études, Cerema, 2014.
Prise en compte du risque macro‐économique dans le calcul socio‐économique –méthode et application, Rapport
d'études, Cerema, 2015.
Prise en compte du risque macro‐économique dans le calcul socio‐économique, Rapport d'études, Sétra, 2011.
Valise pédagogique – calcul socio‐économique, Sétra, 2012.
Prise en compte du risque dans le calcul économique, Sétra, 2012.
Document consultable et téléchargeable sur le site http://www.Sétra.developpement-durable.gouv.fr
Ce document ne peut être vendu. La reproduction totale du document est libre de droits.
En cas de reproduction partielle, l’accord préalable de l'auteur devra être demandé.
Référence : 1507w – ISRN : CEREMA-DTecITM-2015-005-1-FR
Centre d’études et d’expertise sur les risques, l’environnement, la mobilité et l’aménagement

Direction technique infrastructures de transport et matériaux - 110 rue de Paris, 77171 Sourdun - Tél. : +33 (0)1 60 52 31 31
Siège social : Cité des Mobilités - 25, avenue François Mitterrand - CS 92 803 - F-69674 Bron Cedex - Tél. : +33 (0)4 72 14 30 30
Établissement public - Siret 130 018 310 00016 - www.cerema.fr

1507w-Methode Risque Macro Eco-1

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

1507w-Methode Risque Macro Eco-1

Transféré par

Droits d'auteur :

Formats disponibles

« Les rapports » Cerema-DTecITM – 1 – novembre 2015

« Les rapports » Cerema-DTecITM – 2 – novembre 2015

« Les rapports » Cerema-DTecITM – 3 – novembre 2015

« Les rapports » Cerema-DTecITM – 4 – novembre 2015

« Les rapports » Cerema-DTecITM – 5 – novembre 2015

« Les rapports » Cerema-DTecITM – 6 – novembre 2015

1.2 ‐ Intégration des risques systémiques dans le calcul

VAN‐SE tel que [ U (C0 + VAN‐SE ) ) ‐ U (C0) )] = t { e ‐.t E [ U (Ct+Xt) – U(Ct) ] } (1)

1.3 ‐ Formules de calcul de l’équivalent certain de la VAN‐SE,

« Les rapports » Cerema-DTecITM – 7 – novembre 2015

Méthode Formule Hypothèses et méthode

 VAN équivalente 1γ     1 γ

« Les rapports » Cerema-DTecITM – 8 – novembre 2015

E u (C  X )   E (u (C ))  E u ' (C ) .E ( X )  covu ' (C ); X 

« Les rapports » Cerema-DTecITM – 9 – novembre 2015

« Les rapports » Cerema-DTecITM – 10 – novembre 2015

« Les rapports » Cerema-DTecITM – 11 – novembre 2015

« Les rapports » Cerema-DTecITM – 12 – novembre 2015

« Les rapports » Cerema-DTecITM – 13 – novembre 2015

« Les rapports » Cerema-DTecITM – 14 – novembre 2015

« Les rapports » Cerema-DTecITM – 15 – novembre 2015

Valeurs du temps VAN-SE

Méthode de calcul de la Principe Commentaires

Monte‐Carlo sur le modèle de Appliquer des simulations de Monte‐ Temps de calcul (grand nombre de

Monte‐Carlo sur un modèle Raccourcir le temps de calcul en Perte partielle de la précision du lien

« Les rapports » Cerema-DTecITM – 16 – novembre 2015

Méthode de calcul de la Principe Commentaires

Monte‐Carlo sur la base de Diminuer le nombre de tirages avec un Temps de calcul fonction du nombre de

Méthode des scénarios Diminuer le nombre de tirages avec un Connaissance des VAN‐SE par scénario

Méthode des bêtas Pas de calcul explicite de la distribution Perte de l’analyse du risque spécifique

2.1 - Calcul des PIB et avantages probabilisés

« Les rapports » Cerema-DTecITM – 17 – novembre 2015

Figure 3 : Etapes de la méthode de Monte-Carlo

2.2 - Calcul de l’équivalent certain sur un modèle de trafic simplifié

« Les rapports » Cerema-DTecITM – 18 – novembre 2015

« Les rapports » Cerema-DTecITM – 19 – novembre 2015

« Les rapports » Cerema-DTecITM – 20 – novembre 2015

Définition de scénarios Utilisation du modèle de trafic

Avantages annuels probabilisés

Calcul de l’équivalent certain de la VAN-SE à partir

« Les rapports » Cerema-DTecITM – 21 – novembre 2015

3.1 - Discrétisation de la distribution des taux de croissance du PIB

« Les rapports » Cerema-DTecITM – 22 – novembre 2015

3.2 - Tests avec 3 et 5 scénarios tendanciels vs. simulations de Monte-

« Les rapports » Cerema-DTecITM – 23 – novembre 2015

0,8 Discrete({};{}) 0,8 Discrete({};{})

Minimum 0,900 Minimum 0,500

Projet P1 Projet P2 Projet P1 Projet P2

VAN‐SE non risquée 719 M € 97,5 M€ VAN‐SE non risquée 719 M € 97,5 M€

VAN‐SE scénarios 692 M € 93,0 M€ VAN‐SE scénarios 700 M € 94,3 M€

« Les rapports » Cerema-DTecITM – 24 – novembre 2015

Projet P1 Projet P2 Projet P1 Projet P2

VAN‐SE non risquée 719 M € 97,5 M€ VAN‐SE non risquée 719 M € 97,5 M€

VAN‐SE scénarios 666 M € 88,3 M€ VAN‐SE scénarios 665 M € 88,1 M€

« Les rapports » Cerema-DTecITM – 25 – novembre 2015

« Les rapports » Cerema-DTecITM – 26 – novembre 2015

‐0.56 % ‐0.01 % ‐2.7 % ‐0.4 %

« Les rapports » Cerema-DTecITM – 27 – novembre 2015

Scénarios probabilisés du PIB variant dans le temps

1 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % ‐2,50 % ‐5,00 % 0,00 % 1,50 %

2 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % ‐2,50 % 1,85 % 0,00 % 1,50 %

3 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 0,00 % 1,50 %

4 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 0,00 % 1,50 %

5 0,50 % 1,00 % 1,50 % 2,00 % 2,50 % 1,95 % 1,85 % 0,00 % ‐5,00 %